最近写了一些正则表达式,特总结如下:
1,提取HTML页面中的图片:
"<img\\s+[^>]*src\\s*=\\s*['\"]{1}([^'\"]+)['\"]{1}";
,2,验证是否是图片:
"^http://.*\\.[(?:gif)(?:jpg)(?:jpeg)(?:png)(?:bmp)]"
提取HTTP HEADER 中的charset:
"charset\\s*=\\s*([^\\s]+)[\\s;]*"
提取HTML中的<meta> 中的charset:
<meta\\s*.*charset\\s*=\\s*[\"']?([^\"\\s]+)[\\s\"';]{1}
匹配非中文字母和数字
[^0-9a-zA-Z\u4e00-\u9fa5]
匹配所有的控制字符和空格
"\\p{Cntrl}]|\\p{Space}“ 使用posix字符类
//<a data-content="{"type":"nick", "nick":"啊卓玛"}" href=
匹配
"<a\\sdata-content=\\\"[{](.+?)[}]\\\"\\s+href="
注意这个json对象可以任意层次的嵌套,所以.+? 使用了
Reluctant
勉强型匹配