使用webmagic抓取网页正则匹配问题

Question

使用webmagic抓取网页正则匹配问题

目标地址：http://china.findlaw.cn/tianjin/lawyer

private static final Pattern MATCH = Pattern.compile("http://china\.findlaw\.cn/\w*/lawyer/p_\d*");

/**从页面发现后续的url地址来抓取*/
page.addTargetRequests(html.links().regex("http://china\.findlaw\.cn/.*").all());

Answer 1

 Pattern.compile("http://china\.findlaw\.cn/\w*/lawyer/p_\d*");
后面还有  /p_一串数字呢
http://这个特没有转义，应该是http\:\/\/
\w*应该是 \w+?，贪婪匹配把后面的都匹配进去了