采集解析--Web信息檢索與數(shù)據(jù)抓取-采集解析-正則表達(dá)式概述

1、正則表達(dá)式定義2 正則表達(dá)式是一種功能強(qiáng)大但又非常靈活的文本處理工具。它能讓你用編程的方式來(lái)描述復(fù)雜的文本模式，然后在字符串里把它找出來(lái)。一旦你找到了這種模式，你就能隨心所欲地處理這些文本了。 雖然初看起來(lái)正則表達(dá)式的語(yǔ)法有點(diǎn)讓人望而生畏，但它提供了一種精練的動(dòng)態(tài)語(yǔ)言，使我們能用一種通用的方式來(lái)解決各種字符串的問(wèn)題，包括匹配，選擇，編輯以及校驗(yàn)。 正則表達(dá)式基礎(chǔ)知識(shí)31 1、 句點(diǎn)符號(hào)句點(diǎn)符號(hào) 如果我們想提取“t”字母開(kāi)頭，以“n”字母結(jié)束的單詞。要構(gòu)造出這個(gè)正則表達(dá)式，我們可以使用一個(gè)通配符句點(diǎn)符號(hào)“.”。這樣，完整的表達(dá)式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”

2、，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無(wú)意義的組合。這是因?yàn)榫潼c(diǎn)符號(hào)匹配所有字符，包括空格、Tab字符甚至換行符：正則表達(dá)式：t.n匹配：tan Ten Tin Ton t#n tpn等4常用的元字符代碼代碼說(shuō)明說(shuō)明. 匹配除換行符以外的任意字符 w 匹配字母或數(shù)字或下劃線或漢字s 匹配任意的空白符d 匹配數(shù)字b 匹配單詞的開(kāi)始或結(jié)束 匹配字符串的開(kāi)始$ 匹配字符串的結(jié)束正則表達(dá)式基礎(chǔ)知識(shí)52、方括號(hào)符號(hào)方括號(hào)符號(hào) 為了解決句點(diǎn)符號(hào)匹配范圍過(guò)于廣泛這一問(wèn)題，你可以在方括號(hào)（“”）里面指定看來(lái)有意義的字符。此時(shí)，只有方括號(hào)里面指定的字符才參與匹配。也就是說(shuō)，正則表達(dá)式“tae

3、ion”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因?yàn)樵诜嚼ㄌ?hào)之內(nèi)你只能匹配單個(gè)字符 正則表達(dá)式基礎(chǔ)知識(shí)63 3、 “ “或或”符號(hào)符號(hào) 如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“|”操作符?！皘”操作符的基本意義就是“或”運(yùn)算。要匹配“toon”，使用 “t(a|e|i|o|oo)n”正則表達(dá)式。這里不能使用方擴(kuò)號(hào)，因?yàn)榉嚼ㄌ?hào)只允許匹配單個(gè)字符；這里必須使用圓括號(hào)“()”。4、表示匹配次數(shù)的符號(hào)表示匹配次數(shù)的符號(hào)表示次數(shù)的符號(hào)表示次數(shù)的符號(hào)符號(hào)次數(shù)*0次或者多次+1次或者多次？0次或者1次n恰 好N次n,m從n次到m次正則表達(dá)式基礎(chǔ)知識(shí)7 假設(shè)我們要在文本文件中搜索社會(huì)安全號(hào)碼。 這個(gè)號(hào)碼的格式是999-99-9999。用來(lái)匹配它的正則表達(dá)式如圖一所示。 在正則表達(dá)式中，連字符（“-”）有著特殊的意義，它表示一個(gè)范圍，比如從0到9。因此，匹配社會(huì)安全號(hào)碼中的連字符號(hào)時(shí)，它的前面要加上一個(gè)轉(zhuǎn)義字符“”。1.自己動(dòng)手寫(xiě)網(wǎng)絡(luò)爬蟲(chóng)羅剛 王