正则表达式使用工具教程-南京廖华答案网

正则表达式使用工具教程下载本文

八爪鱼·云采集网络爬虫软件

www.bazhuayu.com

11.4正则表达式-语法

正则表达式(Regular Expression)描述了一种字符串匹配模式，可以用来检查一个字符串是否含有某种子串、将匹配子串做替换或者将匹配的子串提取出来等。

正则表达式语法=普通字符+特殊字符普通字符=打印字符+非打印字符（元字符）特殊字符=限定符+定位符

非打印字符：换页符（\\f）、换行符（\\n）、回车符（\\r）、制表符（\\t）、垂直制表符（\\v）、控制字符（\\cM）、匹配任何空字符（\\s）、匹配任何非空字符（\\S）

特殊字符：

$：输入字符串结尾位置

( )：标记一个子表达式开始于结束位置 *：前面的子表达式0次或者多次 +：前面的子表达式1次或者多次 .：通配符，除\\n外任务字符

[、]：标记中括号要开始的地方，里面放表达式，表示字符集，但只表达一个字符？：匹配前面的子表达式0次或者1次，非贪婪 \\：转义字符

^:匹配输入字符串的开始位置 {、}:限定表达式开始的地方

限定符：*、+、？、{n}、{n,}、{n,m} *、+、？区别：贪婪非贪婪

{n}、{n,}区别：匹配确定的次数与匹配至少的次数

定位符号：\\b、\\B、^、$ \\b：边界处 \\B：非边界处

八爪鱼·云采集网络爬虫软件

www.bazhuayu.com

选择： |：或者

对于“|”的应用尽量偏少，因为相关的匹配会被缓存起来。

反向引用：

(?:pattern)：匹配但不获取结果

(?=pattern):正向预查，不需要获取供使用 (?!pattern)：负向预查 (?<=a)：

(?=b)：开头，匹配但不需要提供使用

优先级：从左到右计算相同优先级从左到右计算不同优先级先高后低

字符簇：字符集

例如，[0-9]，表达字符集0-9的集合，但是“[0-9]”本身只能匹配一个字符。

反向引用：

对于较小长度的单位不不要考虑反向引用问题，这里暂时按不表。元字符：

即正则中某些字符被预先设定好一些含义，例如：“\\”，其本身被设定为转义符，如果匹配字串中含有该字符，其正则表达式应为：\\\\，此处的意思是“\\”字符已经预先设定好含义，要想匹配这需要转义声明，正则里面所用的转义声明符就是“\\”

字符

描述

八爪鱼·云采集网络爬虫软件

www.bazhuayu.com

\\ ^ $ \\b \\B

更

多

元

字

符

，

可

以

登

录

W3S

进

行

转义符输入字符串开始位置输入字符串结束位置匹配一个单词的边界匹配非单词边界查

询

，

网

址

：

http://www.w3cschool.cn/zhengzebiaodashi/regexp-metachar.html

运算符优先级

正则表达式从左到右计算，相同优先级从左到右计算，不同优先级从高到底计算，这与数学中的算数表达式类似，以下是优先级表，优先级从高到低。

运算符 \\ (), (?:), (?=), [] *, +, ?, {n}, {n,}, {n,m} ^, $, \\任何元字符、任何字符

要运用好正则，除了熟练八爪鱼正则工具外，对正则语法有一定的了解是十分必要的，知其然故知其所以然，我们对正则字符组成、连接符、限定符、运算符优先级等都应该有所了解，最好是熟练它，这对我们使用好八爪鱼采集器的格式化数据有重要的促进作用。

描述转义符圆括号和方括号

限定符

定位点和序列（即：位置和顺序）

替换，\或\操作

八爪鱼·云采集网络爬虫软件

www.bazhuayu.com

11.5正则表达式-正则表达式及简单应用

例子：2017-03-30 04:08:55 来源: 广州日报(广州) 举报

1.匹配日期

正则表达式：[0-9-]{4}-[0-9]{2}-[0-9]{2}

图11.5-1 匹配日期

2.匹配来源

正则表达式：(?<=来源: )(.+)(?=\\()

八爪鱼·云采集网络爬虫软件

www.bazhuayu.com

图11.5-2 匹配来源

从以上应用举例我们可以看出，如果一条数据中包含了多条我们想分割的信息，我们能通过正则表达式将其分割开来，因此，合理运用好正则，对我们格式化处理数据会有莫大的帮助。