从HTML页面提取内容所面临的主要问题是，我们必须寻找一种方法精确地识别出自己想要的那一部分内容。以下是利用正则表达式匹配并提取网页中特定信息的方法：采集网页中所有链接标记：]*?>[\s\S]*?以上可以修改a标记采集对应的标记元素。采集图片：]*?/?>以上可以修改img标记采集对应的标记元素。...
分类：
Web程序 时间：
2014-05-26 19:12:12
阅读次数：
288
Python能够成为流行的数据处理语言，部分原因是其简单易用的字符串和文本处理功能。大部分文本运算都直接做成了字符串对象的内置方法。对于更为复杂的模式匹配和文本操作，则可能需要用到正则表达式。pandas对此进行了加强，它使你能够对数组数据应用字符串表达式和正则表达式，而且能处理烦人的缺失数据。...
分类：
编程语言 时间：
2014-05-26 03:42:44
阅读次数：
443
能举个例子吗？我也知道是括号里面取得值 但是哪个和哪个括号不清楚
还有是小括号中括号大括号也不清楚 能举个实例吗？$1,$2...是表示的小括号里的内容 $1是第一个小括号里的 ,$2是第2个小括号里的 比如
/gai([\w]+?)over([\d]+)/ 匹配 gainover123 $1= 括...
分类：
其他好文 时间：
2014-05-26 00:04:22
阅读次数：
282
#encoding:utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf8')
from sgmllib import SGMLParser
import re
import urllib
class URLLister(SGMLParser):
def start_a(self, attrs):
url = [v ...
分类：
编程语言 时间：
2014-05-25 22:47:56
阅读次数：
340
敏感词、文字过滤是一个网站必不可少的功能，如何设计一个好的、高效的过滤算法是非常有必要的。前段时间我一个朋友（马上毕业，接触编程不久）要我帮他看一个文字过滤的东西，它说检索效率非常慢。我把它程序拿过来一看，整个过程如下：读取敏感词库、如果HashSet集合中，获取页面上传文字，然后进行匹配。我就想这个过程肯定是非常慢的。对于他这个没有接触的人来说我想也只能想到这个，更高级点就是正则表达式。但是非常...
分类：
编程语言 时间：
2014-05-25 21:26:01
阅读次数：
386
参考资料：cocoachina的zys475481075的文章
几个单词
Regular
['regj?l?]
adj.
定期的；有规律的
Expression
[?k'spre?(?)n;
ek-] n.
表现，表示
Regular
expression
正则表达式
什么是正则表达式？
用一个描述字符串去验证另一个字符串是否符合描...
分类：
移动开发 时间：
2014-05-25 16:17:20
阅读次数：
270
正则表达式正则用来从字符串筛选出子字符串。简单使用编辑器搜索时，勾选上正则，可以搜索出满足特定条件的结果。\bfunction\b这样可以搜索出function单词。做搜索功能时
var reg = new RegExp(inpStr); apps.forEach(function (v, i).....
分类：
编程语言 时间：
2014-05-25 16:05:08
阅读次数：
272
一、基础javascript允许你通过以下两种方式创建RegExp对象，1）直接量。2）使用RegExp（）varpattern=/java$/;//直接量创建
varpattern=newRegExp("java$");
二、元字符
正则表达式中,字母和数字都是按照字面意思进行匹配的,同时javascript也支持非字母的..
分类：
编程语言 时间：
2014-05-25 04:56:22
阅读次数：
462
正则表达式是基于样式匹配的进行文本处理，透过一些特殊符号的辅助，可以达到搜寻、删除、取代某特定的字符串。
grep可用于shell脚本，因为grep通过返回一个状态值来说明搜索的状态，如果模板搜索成功，则返回0，如果搜索不成功，则返回1，如果搜索的文件不存在，则返回2。
..
分类：
其他好文 时间：
2014-05-24 16:58:02
阅读次数：
270
PHP常用表达式用法1.匹配正整数：/^[1-9]\d*$/2.匹配非负整数（正整数+0）：/^\d+$/3.匹配中文：/^[\x{4e00}-\x{9fa5}]+$/u4.匹配Email：/^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*/5.匹配网址URL...
分类：
其他好文 时间：
2014-05-24 09:12:52
阅读次数：
282
