HelloNBA 2017-04-27 00:32 采纳率: 0%
浏览 2483

使用webmagic抓取网页正则匹配问题

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());

  • 写回答

1条回答 默认 最新

  • threenewbee 2017-04-27 16:17
    关注
     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
    
    评论
    编辑
    预览

    报告相同问题?

    手机看
    程序员都在用的中文IT技术交流社区

    程序员都在用的中文IT技术交流社区

    专业的中文 IT 技术社区,与千万技术人共成长

    专业的中文 IT 技术社区,与千万技术人共成长

    关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

    关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

    客服 返回
    顶部