C#爬虫——正则表达式

Posted 2021-04-14 庚子年冲冲冲

This browser does not support music or audio playback. Please play it in Weixin or another browser.

我希望未来有一天，因为我的代码，让这个世界上的一些人生活的更便利

感觉到一点点幸福或愉悦。不管这些人多还是少。

前言

正则表达式的本质是为了截取字符串，对字符串作一些复杂的操作。前面两篇文章我都没有使用正则表达式，而是使用string类里的几个方法IndexOf、Substring封装了一个截取字符串的功能，但随着爬取的内容越来越复杂就变得有些力不从心了。今天便下一番功夫学习了正则表达式。

方案思路

正则表达式这玩意，初看就像天书一样，如上图，而且网上的教程千篇一律，全都是复制粘贴没有多大参考性，对入门者得积极性打击很大。我在加了数个qq群问了些大神后，终于有所头绪了。

正则表达式其实并不难，但需要记得东西特别多。下面我就以C#语言来记录并介绍一下。

Code

以下代码经过测试，可直接在项目中使用

 代表一个空格

s 代表一个任意的空白符。如：空格，制表符，换行符等等

. 代表一个除了换行符以外的所有字符

w 代表一个字母或数字或下划线或汉字

d 代表一个数字

反义符：

B,S,W,D 它们的含义与小写的相反

重复：

* 代表在它前面的字符。重复零次或更多次

+ 代表在它前面的字符。重复一次或更多次

？ 代表在它前面的字符。重复零次或一次

{n} 代表在它前面的字符。重复n次

{n,} 代表在它前面的字符。重复n次或更多次

{n,m} 它代表在它前面的字符。重复n次到m次之间

() 分组符，截取若需要输出时就要括起来

[^x] 匹配除了x以外的任意字符

组合：

"字符串1"(.*?)"字符串2"    这个代表它需要截取得部分。然后前面与后面写下字符串把它卡住(卡住这个词语比较贴切)

"字符串1"([^"字符串2"]*?)"字符串2字符串3"    这个跟上面得功能很相似

贪婪模式：.* 非贪婪模式：.*?

//命名空间

using System.Text.RegularExpressions;

//新建一个正则表达式

Regex regNumt = new Regex("<divclass="w1[^s]*?strong>([^<]*)</strong>");

//开始截取

MatchCollection getNumTest = regNumt.Matches(string);

//循环输出

foreach (Match item in getNumTest)

{

    //再新建一个正则：最后一位数是否为数字1-9

    Regex regNum = new Regex("[0-9]+$");

    //判断

    if (!regNum.IsMatch(item.Groups[1].Value))

    {        

        //截取的结果

        L_Num.Add(item.Groups[1].Value);

    }

}

END

感谢阅读

你知道的越多，你不知道的越多

我是EAST

一个靠互联网苟且偷生的程序员

咱们下期见！

扫描二维码关注我吧

庚子年冲冲冲 发起了一个读者讨论 留言区