做项目的过程中，刚好用到这个变量，因为用微信小程序获取了网页源数据，但是是一堆HTML文档代码，若用循环来处理抽取里面我想要的信息，太过于复杂，所以着手用正则表达式来做。
方法如下：
一、从网页上获取源数据（HTML文档）
在js文件中，关键代码如下：
Page({
data: {
csdn: {}//用于存储获取的html文档
},
首先设置你想获取信息的网址
var url = 'https://blog.csdn.net';
然后用 wx.request这个接口来访问该网址，并获取网页源代码
wx.request({
url: url,
data: {
},
method: 'GET',//get是从服务器上获取数据，post是向服务器传送数据。浏览器用GET请求来获取一个html页面/图片/css/js等资源；用POST来提交一个<form>表单，并得到一个结果的网页
success: function (res) {
that.setData({ csdn: res.data)});
},
})
})
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
用这种方法得到的变量csdn值如下，由于数据量太大，只截取了部分代码
ic/common/toolbar/js/m_toolbar-1.1.1.js" id="m-toolbar-tpl-scriptId" prod="blog"></script>
<svg xmlns="http://www.w3.org/2000/svg" style="width:0; height:0; visibility:hidden; position: absolute;display: none"><defs><polygon id="SVGID_5_" points="41.8,34 41.8,56 38.2,56 38.2,34 28.5,43.2 24,43.2 40,28.1 56,43.2 51.5,43.2 "/> </defs><symbol id="icon-close" viewBox="0 0 1024 1024">
<path d="M896 0L512 384 128 0 0 128l384 384L0 896l128 128 384-384 384 384 128-128-384-384 384-384z" p-id="9079" fill="#cccccc"/>
</symbol>
<symbol id="icon-top" viewBox="0 0 80 80">
<circle class="st0" cx="40" cy="40" r="40"/> <g> <g> <rect x="24" y="24" class="st1" width="32" height="3.5"/> </g> <g> <use xlink:href="#SVGID_5_" style="overflow:visible;fill-rule:evenodd;clip-rule:evenodd;fill:#FFFFFF;"/> <clipPath id="SVGID_1_"> <use xlink:href="#SVGID_5_" style="overflow:visible;"/> </clipPath> </g> </g>
</symbol>
</svg> <nav class="d-flex">
<div class="nav-mask">
<div class="warp">
<a class="btn-nav" onclick="changeNav($(this))" data-href="/" data-category="home">博客推荐</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/watchers" data-category="watchers">动态</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/career" data-category="career">程序人生</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/python" data-category="python">Python</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/java" data-category="java">Java</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/ai" data-category="ai">百万人学AI</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/web" data-category="web">前端</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/arch" data-category="arch">架构</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/blockchain" data-category="blockchain">区块链</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/db" data-category="db">数据库</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/5g" data-category="5g">5G</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/game" data-category="game">游戏开发</a>
<a class="btn-nav" onclick="changeNav($(this))" data-href="/nav/mobile" data-category="m
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
二、用正则表达式匹配想要的信息
1.什么是正则表达式
说白了就是一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
2.正则表达式常用语法
（1）/表示正则表达式的开始与结束
（2）++号代表前面的字符必须至少出现一次（1次或多次）
例如：runoo+b，可以匹配 runoob、runooob、runoooooob 等。
（3）*表示字符可以不出现，也可以出现一次或者多次（0次、或1次、或多次）。
例如：runoo*b，可以匹配 runob、runoob、runoooooob 等，* 号代表
（4）? 问号代表前面的字符最多只可以出现一次（0次、或1次）
colou?r 可以匹配 color 或者 colour。
（5）\s匹配任何空白字符，包括空格、制表符、换页符等等。
（6）\S匹配任何非空白字符。
（7）[标记一个中括号表达式的开始。要匹配 [，请使用 \[。
（8）() 括号里面是组, 可以提取组内的内容
（9）[\s\S]*？
是完全通配的意思; “[ ]”是范围描述符。 \s是指空白,包括空格、换行、tab缩进等所有的空白,而\S刚好相反,这样一正一反下来,就表示所有的字符,完全的,一字不漏的。 例如：
<span id="ctext">([\s\S]*?)</span> 意思就是匹配所有在两个<span>中间有0个或多个任意字符的字符串. 并把内容部分生成个组
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
更多的语法可以查询菜鸟教程https://www.runoob.com/regexp/regexp-syntax.html
3.写出正则表达式
下面列举出我在项目中常用到的一种
let my_reg =/<td class='colorize'>([\s\S]*?)<\/td>/gmi;
- 1
- 2
这是抓取网页HTML信息种最常用的一种写法，直接用标签+全匹配，
则下面这句HTML标签内容中的“被抓内容”就会被匹配出来。
...
<td class='colorize'>被抓内容</td>
...
- 1
- 2
- 3
后面的参数如下
- g表示匹配尽可能多
- i: 忽略大小写
- 参数m表明可以进行多行匹配，但是这个只有当使用^和$模式时才会起作用，在其他的模式中，加不加入m都可以进行多行匹配（其实说多行的字符串也是一个普通字符串）
4.抽取数据------.exec（）函数
在微信小程序中通过以下**.exec（）函数**进行匹配，将结果放入数组
data_we_want = my_reg.exec(page)
- 1
关于返回值数组data_we_want ：
- 此数组的第 0 个元素是与正则表达式相匹配的文本
- 第 1 个元素是与 RegExpObject 的第 1 个子表达式相匹配的文本（如果有的话）
- 第 2 个元素是与 RegExpObject 的第 2 个子表达式相匹配的文本（如果有的话），以此类推
除了数组元素和 length 属性之外，exec() 方法还返回两个属性：
- index 属性声明的是匹配文本的第一个字符的位置。
- input 属性则存放的是被检索的字符串 string。
5.全局循环抽取
用这种方面你会发现，虽然配置了全局匹配，也就是加了参数gmi，但是有可能只匹配了一次，也就是返回值数组中只有一个元素，后续就不匹配了，原因是还要再加循环才行。方法如下：
var data=[];
while ((tmp_reg = my_reg.exec(page)) != null) {
data.push(util.regular(tmp_reg[1]));
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
这种方法会将page页面中的所有元素匹配一遍，但有时你会发现第一个元素老是匹配不到，这是因为.lastIndex 参数刚开始不为零。
这个参数代表以为指针位置，每次都从这个位置开始匹配，所以刚开始需要清零。
优化后，代码如下：
var data=[];
my_reg.lastIndex = 0;
while ((tmp_reg = my_reg.exec(page)) != null) {
data.push(util.regular(tmp_reg[1]));
}
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
在while循环内部lastIndex 并没有清零，所以每循环一次拿出一个匹配数组，我们只要第1个元素tmp_reg[1]，这是我们匹配到的文本，然后下一次循环匹配会按照lastIndex的位置继续往后匹配。
三、几种常用正则表达式示例
var names = /^[\u4E00-\u9FA5A-Za-z]+$/; //姓名
var phonetel = /^(((13[0-9]{1})|(15[0-9]{1})|(18[0-9]{1})|(17[0-9]{1}))+\d{8})$/; //手机号
var emailnums = /^[a-zA-Z0-9_.-]+@[a-zA-Z0-9-]+(.[a-zA-Z0-9-]+)*.[a-zA-Z0-9]{2,6}$/; //邮箱
var idCard = /(\d{15}$)|(^\d{18}$)|(\d{17}(\d|X|x)$)/; //身份证
- 1
- 2
- 3
- 4
- 5
- 6
- 7
<li class="tool-item tool-active is-like "><a href="javascript:;"><svg class="icon" aria-hidden="true"> <use xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="#csdnc-thumbsup"></use> </svg><span class="name">点赞</span> <span class="count">1</span> </a></li> <li class="tool-item tool-active is-collection "><a href="javascript:;" data-report-click="{"mod":"popu_824"}"><svg class="icon" aria-hidden="true"> <use xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="#icon-csdnc-Collection-G"></use> </svg><span class="name">收藏</span></a></li> <li class="tool-item tool-active is-share"><a href="javascript:;" data-report-click="{"mod":"1582594662_002"}"><svg class="icon" aria-hidden="true"> <use xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="#icon-csdnc-fenxiang"></use> </svg>分享</a></li> <!--打赏开始--> <!--打赏结束--> <li class="tool-item tool-more"> <a> <svg t="1575545411852" class="icon" viewBox="0 0 1024 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="5717" xmlns:xlink="http://www.w3.org/1999/xlink" width="200" height="200"><defs><style type="text/css"></style></defs><path d="M179.176 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5718"></path><path d="M509.684 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5719"></path><path d="M846.175 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5720"></path></svg> </a> <ul class="more-box"> <li class="item"><a class="article-report">文章举报</a></li> </ul> </li> </ul> </div> </div> <div class="person-messagebox"> <div class="left-message"><a href="https://blog.csdn.net/weixin_42197396"> <img src="https://profile.csdnimg.cn/0/B/A/3_weixin_42197396" class="avatar_pic" username="weixin_42197396"> <img src="https://g.csdnimg.cn/static/user-reg-year/1x/2.png" class="user-years"> </a></div> <div class="middle-message"> <div class="title"><span class="tit"><a href="https://blog.csdn.net/weixin_42197396" data-report-click="{"mod":"popu_379"}" target="_blank">过千山</a></span> </div> <div class="text"><span>发布了25 篇原创文章</span> · <span>获赞 15</span> · <span>访问量 2599</span></div> </div> <div class="right-message"> <a href="https://im.csdn.net/im/main.html?userName=weixin_42197396" target="_blank" class="btn btn-sm btn-red-hollow bt-button personal-letter">私信 </a> <a class="btn btn-sm bt-button personal-watch" data-report-click="{"mod":"popu_379"}">关注</a> </div> </div> </div>
7348
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
