1.1介绍通过过滤和分析HTML代码，实现对文件、图片等资源的获取，一般用到：urllib和urllib2模块正则表达式（re模块）requests模块Scrapy框架urllib库：1）获取web页面2）在远程http服务器上验证3）表单提交（GET和POST）4）异常处理（urllib2.URLError）5）非http协议通信（ftp）获取页面信息：urllib2.urlopen(url,d
分类：
编程语言 时间：
2018-01-17 00:37:36
阅读次数：
223
grep：global search regular expression(RE) and print out the line 文本搜索工具，根据用户指定的文本模式对目标文件进行逐行搜索，显示能够被模式所匹配到的行。 基本语法 正则表达式：是一类字符所书写出的模式（pattern） 元字符：不表示 ...
分类：
其他好文 时间：
2018-01-03 22:47:55
阅读次数：
338
回顾一下上一章所讲的内容，在上一章当中我们讲述了文本处理工具grep命令，它是由用户根据指定的"模式"来进行行匹配，默认为贪婪模式，讲匹配到的结果进行打印到标准输出中来，而正则表达式是由一群特殊的字符所编写的，其中有一些字符并不代表原有的字面意义，而是用于控制或通配的功能，而正则表达式共分类两类，一类是基本正则表达式，另一类是扩展正则表达式，二者区别就是
分类：
系统相关 时间：
2017-12-18 14:26:29
阅读次数：
194
1.指定字符出现多次用 ([a-zA-Zxxx]+),不是 (a-zA-Zxxx)+，后面那个是这一组出现多次，对于贪婪模式来说可能有些问题 2.贪婪模式，最好后面跟着一个结束标识符 3..net默认使用的是Unicode匹配模式‘’ 4、 关于C#字符串中的\转义问题 与 正则表达式中的\的转义问 ...
假设待处理的字符串是 xfooxxxxxxfoo 模式.*foo （贪婪模式）: 模式分为子模式p1(.*)和子模式p2(foo)两个部分. 其中p1中的量词匹配方式使用默认方式(贪婪型)。 匹配开始时,吃入所有字符xfooxxxxxx去匹配子模式p1。匹配成功,但这样以来就没有了字符串去匹配子模式 ...
分类：
编程语言 时间：
2017-11-11 13:15:14
阅读次数：
150
用Python写的百度贴吧的网络爬虫。 1.使用方法： 新建一个BugBaidu.py文件，然后将代码复制到里面后，双击运行。 2.程序功能： 将贴吧中楼主发布的内容打包txt存储到本地。 3.原理解释： 首先，先浏览一下某一条贴吧，点击只看楼主并点击第二页之后url发生了一点变化，变成了：http ...
分类：
其他好文 时间：
2017-11-01 23:54:15
阅读次数：
291
preg_replace()支持数组替换 $p =array('/[0-3]/','/[4-6]/','/[7-9]/');$replace=array('你','好','啊');$sub="0scsd4jff8jndjd";$str1=preg_replace($p,$replace,$sub); ...
分类：
其他好文 时间：
2017-10-26 15:39:42
阅读次数：
142
本题来自于回答某群的网友提问，先给出答案：[root@localhostbin]#grep-Po"\-Xm[xs].*?\s"/usr/local/tomcat/bin/catalina.sh
-Xms1800m
-Xmx2500m解析：-P使用Perl正则表达式-o只打印一行中匹配的部分\-Xm[xs].*?\s第一个\表示转义，-需要进行转义?表示非贪婪模式，\s表示空白..
分类：
其他好文 时间：
2017-10-11 00:48:56
阅读次数：
162
有时我们需要匹配像( 100 * ( 50 + 15 ) )这样的可嵌套的层次性结构，这时简单地使用\(.+\)则只会匹配到最左边的左括号和最右边的右括号之间的内容(这里我们讨论的是贪婪模式，懒惰模式也有下面的问题)。假如原来的字符串里的左括号和右括号出现的次数不相等，比如( 5 / ( 3 + 2 ...
分类：
其他好文 时间：
2017-10-10 16:54:24
阅读次数：
159
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。 给定一个正则表达式和另一个字符串，我们可以达到如下的目的： 1. 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）； 2. ...
分类：
其他好文 时间：
2017-09-11 16:23:13
阅读次数：
171
