Nutch 正则匹配

nutch 中conf/regex-urlfilter.txt中的设置：

# skip URLs containing certain characters as probable queries, etc.

#-[?*!@=]

# accept anything else

#+.

# skip URLs with slash-delimited segment that repeats 3+ times, to break loops

#-.*(/[^/]+)/[^/]+\1/[^/]+\1/

+^http://event.weibo.com/eventlist.
+^http://event.weibo.com/([0-9]*)*$

.在这里.表示所有的字符。

而java中的匹配是这样的

static String m_Regular_Date_Start = "(\\d{1,2}月\\d{1,2}日\\s\\d{1,2}\\:\\d{1,2}[^<]*)";
    //static String m_Regular_Date_Start = "(\\d{1,2}月\\d{1,2}日\\s\\d{1,2}\\:\\d{1,2}\\([\\u4E00-\\u9FA5]*\\))";
    static String m_Regular_Time_End_Text = "(结束时间：)";
    static String m_Regular_Date_End = "(\\d{1,2}月\\d{1,2}日\\s\\d{1,2}\\:\\d{1,2}\\([\\u4E00-\\u9FA5]*\\))";

其中，\\u4E00-\\u9FA5是匹配汉字的。