爬虫数据清洗之java正则表达式

做爬虫的时候数据的清洗也是一大重点，往往绕不开三种处理办法
1.正则表达式
2.xpath表达式
3.json

关于java爬虫发送请求问题

这篇文章主要示范一下java引用正则表达式的基本方法
正则表达式的主要条件只有两个：其一是表达式本身，其二就是要查找的数据源。

主要分为四步：
1.写出表达式
2.把表达式编译成正则格式
3.创建一个匹配对象进行匹配
4.利用循环遍历出所有结果

public static void test(){
        String source = "this is java's hello world,i'm a handsome boy!"; // 数据源
        String pat = "this(.*?),";  // 表达式
        Pattern pattern = Pattern.compile(pat);  // 把表达式进行编译
        Matcher m = pattern.matcher(source); // 创建匹配器，进行匹配
        while (m.find()) {
            System.out.println(m.group()); // group不填参数代表找出表达式中的全部信息;若表达式包含(),则group(1)代表只找出括号中的信息；若有两个(),(),则group(2)代表找出第二个括号中的信息
        }