以此网址为列 http://tieba.baidu.com/p/2376714043 采集 标题、时间、邮箱 来讲解
标题我们需要采集
和 中间的内容写法
(?[\s\S]*?)(?[\s\S]*?)这种与 正则参数方式类似
(?[\s\S]*?)里的 [\s\S]*? 的意思就是匹配任意字符,并返回结果的意思。
下面讲下时间标签,因为时间标签很多,所以需要写个通配的格式,来循环匹配
时间格式 2013-06-06 22:14
正规正则表达式 格式 \d{4}-\d{2}-\d{2} \d{2}:\d{2}
这里不要问 为什么会这样写,如果看不明白的,可以看下正则的标准语法,
教程如下http://msdn.microsoft.com/zh-cn/library/ae5bf541(VS.80).aspx
在我们的采集器里 应该这样写 (?\d{4}-\d{2}-\d{2} \d{2}:\d{2})
把我们的表达式 (?[\s\S]*?) 里面的 [\s\S]*? 替换成自己的表达式即可。这样结果就返回了 我们设置的正则格式的结果
最后 邮箱的正则标签写法也是一样的
标准邮箱正则表达式 [\w\-\.]+@[\w\-\.]+\.\w+
在我们的采集器里
(?[\w\-\.]+@[\w\-\.]+\.\w+)
如果文章内有多个邮箱 勾选循环匹配就可以全部采集到
规则附件中 提供了,供大家学习参考·~~~~
正则例子附件下载
如需网站采集相关服务,请联系我们:
QQ常年24h在线:389311875网址:『采集超市』www.locoymall.com
|
|
|
|
|
|
|