随笔分类 -  Regular Expressions

摘要：利用正则表达式去掉网页中的HTML 标签 正则表达式HTML 抓取某网页的数据后(比如描述),如果照原样显示的话,可能会因为它里面包含没有闭合的HTML标签而打乱了格式,也可能它里面用了比较让人 "费解" 的HTML标签,把预订的格式搅乱. 如果全盘删除里面的 HTML 标签,可能会造成阅读上的困难(比如 a, img 这些标签), 最好是删除一部分,保留一部分. 正则表达式里,判断 包含某些字符串 是非常容易理解的,但是如何判断 不包含某些字符串 (是字符串,不是字符,是某些,不是某个) 确实是个费解的事. <(?!((/?\s?li)|(/?\s?ul)|(/?\ 阅读全文

摘要：网上正则表达式的教程够多了，但由于javascript的历史比较悠久，也比较古老，因此有许多特性是不支持的。我们先从最简单地说起，文章所演示的正则基本都是perl方式。元字符( [ { \ ^ $ | ) ? * + .预定义的特殊字符字符正则描述\t/\t/制表符\n/\n/制表符\r/\r/回车符\f/\f/换页符\a/\a/alert字符\e/\e/escape字符\cX/\cX/与X相对应... 阅读全文

摘要：.:单个字符范围:[字符集合]非范围:[^字符集合]\r:回车\n:换行\t:Tab键\d:[0-9]\D:[^0-9]\w:[0-9a-zA-Z_]\W:[^0-9a-zA-Z_]\s:[\f\n\r\t\v]\S:[^\f\n\r\t\v]+：一个或多个*：0个或多个？：0个或一个{n}：匹配n个{min，max}：匹配范围{0，1}：？{0，}：*{1，}：+？：惰性匹配与贪婪匹配的区别\b... 阅读全文

摘要：引言 正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 'a' 和 任意个 'b' ”，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征。 正则表达式可以... 阅读全文

摘要：一、采集器的制作的基本知识点。 １、懂一些简单的正则表达式的知识，知道些基本知识对大家在采集软件设置规则的时候是有帮助，正则表达式的一些基础知识是很容易掌握的，而绝大多数采集用的是最基本的正则表达式的内容。 如：你起码要知道"." “\n” “\s”　"\d" "*" "+" "?" "{3,5}" "[3-6]"。 了解这些简单正则式的基本含义，这里不作详细详解，大家可以从网上查到资料。我个人... 阅读全文

摘要："^\d+$" //非负整数（正整数 + 0） "^[0-9]*[1-9][0-9]*$" //正整数 "^((-\d+)|(0+))$" //非正整数（负整数 + 0） "^-[0-9]*[1-9][0-9]*$" //负整数 "^-?\d+$" //整数 "^\d+(\.\d+)?$" //非负浮点数（正浮点数 + 0） "^(([0-9]+\.[0-9]*[1-9][0-9]... 阅读全文

摘要：正则表达式是干什么的： 正则表达式的作用是从一个字符串中捕获符合要求的字符串。 先看一个最简单的捕获： 正则表达式 /123/ 捕获任意字符串中的 ”123”。如： “a123b” “aaab12bb13123c” 匹配： 如果一个字符串中存在至少一个捕获，就算这个正则表达式匹配此字符串。如果只存在一个捕获，而且此捕获是整个字符串，则算完全匹配。 “或”符号(“|”)： 正则表达... 阅读全文

摘要："^\d+$" //非负整数（正整数 + 0） "^[0-9]*[1-9][0-9]*$" //正整数 "^((-\d+)|(0+))$" //非正整数（负整数 + 0） "^-[0-9]*[1-9][0-9]*$" //负整数 "^-?\d+$" //整数 "^\d+(\.\d+)?$" //非负浮点数（正浮点数 + 0） "^(([0-9]+\.[0-9]*[1-9][0-9]*)... 阅读全文