




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
大數(shù)據(jù)導(dǎo)論正則表達(dá)式使用數(shù)據(jù)采集
在編寫處理字符串的程序或網(wǎng)頁時,經(jīng)常會有查找符合某些復(fù)雜規(guī)則的字符串的需要。
正則表達(dá)式就是用于描述一組字符串特征的模式,用來匹配特定的字符串。通過特殊字符+普通字符來進(jìn)行模式描述,從而達(dá)到文本匹配目的工具。什么是正則表達(dá)式例如:
所有以0開頭,后面跟著2-3個數(shù)字,然后是一個連字號“-”,最后是7或8位數(shù)字的字符串(0376-7654321)
對應(yīng)的正則表達(dá)式:(0\d{2}-\d{8})|(0\d{3}-\d{7})應(yīng)用場景查找從大量信息中快速提取指定內(nèi)容,在一批url中,查找指定url。替換將指定格式的文本進(jìn)行正則匹配查找,找到之后進(jìn)行特定替換。驗證表單提交時,進(jìn)行用戶名密碼的驗證?;疽胤戳x字符捕獲元字符量詞1324元字符代碼/語法說明.匹配除換行符以外的任意一個字符\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匹配單詞的開始或結(jié)束^匹配字符串的開始$匹配字符串的結(jié)束例子:\ba\w*\b
匹配以字母a開頭的單詞
先是某個單詞開始處(\b),然后是字母a,然后是任意數(shù)量的字母或數(shù)字(\w*),最后是單詞結(jié)束處(\b)。\d+
匹配1個或更多連續(xù)的數(shù)字。
這里的+是和*類似的元字符,不同的是*匹配重復(fù)任意次(可能是0次),而+則匹配重復(fù)1次或更多次。反義字符代碼/語法說明\W匹配任意不是字母,數(shù)字,下劃線,漢字的字符\S匹配任意不是空白符的字符\D匹配任意非數(shù)字的字符\B匹配不是單詞開頭或結(jié)束的位置[^x]匹配除了x以外的任意字符[^abc]匹配除了abc這幾個字母以外的任意字符
有時需要查找不屬于某個能簡單定義的字符類的字符。
比如想查找除了數(shù)字以外,其它任意字符都行的情況例子:\S+
匹配不包含空白符的字符串。<a[^>]+>
匹配用尖括號括起來的以a開頭的字符串量詞代碼/語法說明*重復(fù)零次或更多次+重復(fù)一次或更多次?重復(fù)零次或一次{n}重復(fù)n次{n,}重復(fù)n次或更多次{n,m}重復(fù)n到m次量詞是用于描述量詞的前導(dǎo)字符重復(fù)次數(shù)例如:a*
表示0個或者多個a字符a{3,9}
表示3到9個a字符
一個括號內(nèi)的內(nèi)容就是一個捕獲分組,如"(\d)\d"中的"(\d)"。
一般應(yīng)用于提取括號中的文本內(nèi)容。捕獲分組代碼/語法說明(exp)匹配exp,并捕獲文本到自動命名的組里(?<name>exp)匹配exp,并捕獲文本到名稱為name的組里,也可以寫成(?'name'exp)(?:exp)匹配exp,不捕獲匹配的文本,也不給此分組分配組號例如:
正則表達(dá)式:
[^\d]*(\d{3,})[^\d]*,匹配一段字符串,以非數(shù)字字符串開頭,有3位以上的數(shù)字字符串,且非數(shù)字字符串結(jié)尾,同時將匹配到的數(shù)字字符串捕獲出來放到一個分組中。例如:
在采集豆瓣電影top250電影信息的代碼中,涉及到對電影鏈接、電影名稱、電影評分信息進(jìn)行提取時,分別在對應(yīng)的文本位置設(shè)置了捕獲分組。捕獲分組1.Email地址:
^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$2.域名:
[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?3.InternetURL:
[a-zA-z]+://[^\s]*或^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 城市管理專員考試的主要內(nèi)容及答案
- 2025年藝術(shù)創(chuàng)作與文化傳播基礎(chǔ)知識考試卷及答案
- 2025年職業(yè)院校教師教學(xué)能力測評試卷及答案
- 2025年現(xiàn)代企業(yè)管理與創(chuàng)新能力測試考試卷及答案
- 2025年文化產(chǎn)業(yè)與創(chuàng)意經(jīng)濟(jì)知識考試卷及答案
- 2025年心理咨詢師執(zhí)業(yè)考試卷及答案
- 2025年社會保障政策與法規(guī)考核試卷及答案
- 2025年食品安全管理考試試題及答案
- 2025年人力資源管理師職業(yè)考試題及答案
- 2025年家庭教育指導(dǎo)師職業(yè)資格考試卷及答案
- 北方華創(chuàng)招聘筆試題庫2025
- 2025鄭州航空工業(yè)管理學(xué)院輔導(dǎo)員考試試題及答案
- 浙江省嘉興市2023-2024學(xué)年高一下學(xué)期6月期末考試英語試題(含答案)
- 多模態(tài)數(shù)據(jù)融合的智能告警機(jī)制-洞察闡釋
- 2024年廣東省臺山市事業(yè)單位公開招聘教師崗考試題帶答案分析
- 急性心梗的介入治療課件
- 職業(yè)技術(shù)學(xué)院旅游管理專業(yè)《景區(qū)服務(wù)與管理》課程標(biāo)準(zhǔn)
- 貨物暫存協(xié)議合同模板
- 防汛防雷安全培訓(xùn)
- 鐵路項目施工管理制度
- 新疆維吾爾自治區(qū)2024年普通高校招生單列類(選考外語)高職(??疲┡瓮稒n情況 (理工)
評論
0/150
提交評論