用正则获取贴吧首页贴子的相关数据

标签：

[root@iZ62jhlmsZ ~]$  wget http://tieba.baidu.com/f?kw=%C9%BD%CE%F7 -O - | grep -Po ‘href="(/p/[0-9]{10}).*?j_user_card.*?\>(.*?)\<.*?threadlist_reply_date j_reply_data.*?>[ ]*([0-9]{1,2}:[0-9]{2})‘ >tb.txt

wget -- linux 下获取 http页面的工具 -O - 表示输出到管道(而不是文件)

grep --linux 正则表达式工具

-P  使用 prel语法

-o  只输出匹配到的内容（而不是一行）

(/p/[0-9]{10}) 首页贴子的链接，格式为 a href="/p/3444444444"

.*? 非贪婪匹配任意字符
 j_user_card.*?\>(.*?)  查找发贴人昵称，值为(.*?)

threadlist_reply_date j_reply_data.*?>[ ]*([0-9]{1,2}:[0-9]{2})  最后回复日期，值为([0-9]{1,2}:[0-9]{2})

用正则获取贴吧首页贴子的相关数据

标签：

原文地址：http://www.cnblogs.com/diylab/p/4228632.html