我们上次讲到,正则表达式有两个作用,一是进行字符串校验,二是爬取文本
今天,我们来讲利用正则表达式爬取文本
String str = "Java自从95年问世以来,经历了很多版本,目前企业中用的最多的是Java8和Java11," +
"因为这两个是长期支持版本,下一个长期支持版本是Java17,相信在未来不久Java17也会逐渐登上历史舞台";
Pattern:表示正则表达式
//获取Pattern对象
Pattern p=Pattern.compile("Java\\d{0,2}");
Matcher:文本匹配器,作用是按照正则表达式的规则去读取字符串,从头开始读取,从大串中找符合匹配规则的子串
//获取匹配器对象
Matcher m=p.matcher(str); //匹配器对象m要在str中找复合p规则的小串
boolean b=m.find(); //拿着匹配器对象从头开始读取,寻找是否有满足规则的子串
//如果没有,方法返回false
//如果有,返回true,在底层记录子串的起始索引和结束索引+1
//0,4
String s1=m.group(); //方法底层会根据find方法记录的索引进行字符串的截取
//类似subString(起始索引,结束索引);包头不包尾
//group方法会将截取的小串进行返回
//此时我们可以使用循环进行爬取文本
while (m.find()) {
String r = m.group();
System.out.println(r);
}
有如下文本,按要求爬取数据。
Java自从95年问世以来,经历了很多版本,目前企业中用的最多的是Java8和Java11,因为这两个是长期支持版本,下一个长期支持版本是Java17,相信在未来不久Java17也会逐渐登上历史舞台
需求1:爬取版本号为8,11.17的Java文本,但是只要Java,不显示版本号。
需求2:爬取版本号为8,11,17的Java文本。正确爬取结果为:Java8 Java11 Java17 Java17
需求3:爬取除了版本号为8,11.17的Java文本,
需求一:
需求二:
需求三:
贪婪爬取:(在爬取数据的时候尽可能的多获取数据)
非贪婪爬取: