八爪鱼采集正则表达式使用方法

八爪鱼采集正则表达式使用方法

正则表达式(Regular Expression)描述了一种字符串匹配模式，可以用来检查一个字符串是否含有某种子串、将匹配子串做替换或者将匹配的子串提取出来等。

正则表达式语法=普通字符+特殊字符

普通字符=打印字符+非打印字符（元字符）

特殊字符=限定符+定位符

非打印字符：换页符（\f）、换行符（\n）、回车符（\r）、制表符（\t）、垂直制表符（\v）、控制字符（\cM）、匹配任何空字符（\s）、匹配任何非空字符（\S）

特殊字符：

$：输入字符串结尾位置

( )：标记一个子表达式开始于结束位置

*：前面的子表达式0次或者多次

+：前面的子表达式1次或者多次

.：通配符，除\n外任务字符

[、]：标记中括号要开始的地方，里面放表达式，表示字符集，但只表达一个字符

？：匹配前面的子表达式0次或者1次，非贪婪

\：转义字符

^:匹配输入字符串的开始位置

{、}:限定表达式开始的地方

限定符：*、+、？、{n}、{n,}、{n,m}

*、+、？区别：贪婪非贪婪

{n}、{n,}区别：匹配确定的次数与匹配至少的次数

定位符号：\b、\B、^、$

\b：边界处

\B：非边界处

选择：

|：或者

反向引用：

(?:pattern)：匹配但不获取结果

(?=pattern):正向预查，不需要获取供使用

(?!pattern)：负向预查

(?<=a)：

(?=b)：开头，匹配但不需要提供使用

优先级：从左到右计算

相同优先级从左到右计算

不同优先级先高后低

字符簇：字符集

相关采集教程：

ajax网页数据抓取/tutorial/gnd/ajaxlabel 模拟登录并识别验证码抓取数据

/tutorial/gnd/dlyzm

提取网页文字数据/tutorial/gnd/tiqushuju

网页数据导出/tutorial/gnd/dataexport

私有云教程 /tutorial/gnd/siyouyun

其他采集功能点/tutorial/gnd/qitagnd

八爪鱼——90万用户选择的网页数据采集器。

1、操作简单，任何人都可以用：无需技术背景，会上网就能采集。完全可视化流程，点击鼠标完成操作，2分钟即可快速入门。

2、功能强大，任何网站都可以采：对于点击、登陆、翻页、识别验证码、瀑布流、Ajax脚本异步加载数据的网页，均可经过简单设置进行采集。

3、云采集，关机也可以。配置好采集任务后可关机，任务可在云端执行。庞大云采集集群24*7不间断运行，不用担心IP被封，网络中断。

4、功能免费+增值服务，可按需选择。免费版具备所有功能，能够满足用户的基本采集需求。同时设置了一些增值服务（如私有云），满足高端付费企业用户的需要。