首页 > 代码库 > 【iOS】正则表达式抓取网页数据制作小词典
【iOS】正则表达式抓取网页数据制作小词典
应用程序不一定要自己去提供数据,有现成的数据学会去用才好。
网络很大,各种搜索引擎每天到处爬。本文通过正则表达式抓取网站的数据来做一个小词典。
一、正则表达式的使用
1. 确定匹配方案,即pattern
2. 用pattern实例化NSRegularExpression
3. 用匹配方法开始匹配。
匹配一次:可以使用firstMatch方法
匹配多次:可以用matchs方法
正则表达式对照表:(在网上找到了一个很不错的表,正则表达式各个语言通用)
http://www.jb51.net/shouce/jquery1.82/regexp.html
下面是测试代码,能匹配出:xn4545945
//测试正则表达式用的 - (void)findAnswerInHTMLTest { NSString *srcStr = @"http://blog.csdn.net/xn4545945"; NSString *pattern = @"xn[^\\s]*"; //匹配以xn开头的任何非空白字符 //实例化正则表达式,需要指定两个选项 //NSRegularExpressionCaseInsensitive 忽略大小写 //NSRegularExpressionDotMatchesLineSeparators 让.能够匹配换行 NSRegularExpression *regex = [[NSRegularExpression alloc] initWithPattern:pattern options:NSRegularExpressionCaseInsensitive | NSRegularExpressionDotMatchesLineSeparators error:nil]; //匹配出结果集 NSTextCheckingResult *checkResult = [regex firstMatchInString:srcStr options:NSMatchingReportCompletion range:NSMakeRange(0, srcStr.length)]; // 取出找到的内容. NSString *result = [srcStr substringWithRange:[checkResult rangeAtIndex:0]]; NSLog(@"数据为----->%@", result); }
二、抓取网页数据,并制作小词典
用海词作为查询词典抓取数据。http://dict.cn
直接在网址后面拼接查询词即可查询,如查询“hello”,即http://dict.cn/hello
查看网页源代码如下图: 即抓取出 (打招呼)喂;你好 即可。
tips:
(.*?)来取出想要的内容.括号括住才能取出.抓网页用这个就够了.
*. 表示匹配任意字符
**表示重复0到多次
*? 表示尽量少的匹配.
*将需要取出的用(.*?)代替.大空格换行等用.*?代替,表示忽略.
结合浏览器的查找功能, 在源代码中查找,看选取的关键词是否有重复的.(找时更方便)
*选取稍微大点的块(标签中有id标记的为好),可以做到唯一.(如果选太小,可能一些小标签在网页中重复的次数非常多)
*然后多次调用正则表达式方法,逐步缩小范围.
*引号需要转义(加反斜杠).中文需要%转义.(用方法)
直接上代码:
@implementation XNSpider - (void)loadHTMLWithWord:(NSString *)word { //1.发送HTML请求, 得到返回的网页.(转换为字符串) NSString *urlString = [NSString stringWithFormat:@"%@%@", kBaseURL, word]; //拼接请求网址 urlString = [urlString stringByAddingPercentEscapesUsingEncoding:NSUTF8StringEncoding]; //中文转义 NSURL *url = [NSURL URLWithString:urlString]; //得到URL NSURLRequest *request = [NSURLRequest requestWithURL:url cachePolicy:NSURLRequestUseProtocolCachePolicy timeoutInterval:5.0f]; [NSURLConnection sendAsynchronousRequest:request queue:[NSOperationQueue mainQueue] completionHandler: ^(NSURLResponse *response, NSData *data, NSError *connectionError) { //得到的data数据转换为字符串 NSString *html = [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding]; // NSLog(@"%@", html); //2.从返回的字符串中匹配出(正则表达式过滤)想要的. (另写一个方法findAnswerInHTML) //然后通过代理传递结果给主线程,用于更新UI NSString *result = [self findAnswerInHTML:html]; NSLog(@"%@", result); if ([self.delegate respondsToSelector:@selector(finishSpider:)]) { [self.delegate finishSpider:result]; //将完成后的结果通过代理传到UI线程中去. } }]; } /** * 正则表达式匹配字符串的核心方法 * * @param html 输入的整个网页字符串 * * @return 返回匹配的结果 */ - (NSString *)findAnswerInHTML:(NSString *)html { //将需要取出的用(.*?)代替. 大空格换行等用.*?代替,表示忽略. NSString *pattern = @"<ul class=\"dict-basic-ul\">.*?<li><span>(.*?)</span><strong>(.*?)</strong></li>"; //实例化正则表达式,需要指定两个选项 //NSRegularExpressionCaseInsensitive 忽略大小写 //NSRegularExpressionDotMatchesLineSeparators 让.能够匹配换行 NSRegularExpression *regex = [[NSRegularExpression alloc] initWithPattern:pattern options:NSRegularExpressionCaseInsensitive | NSRegularExpressionDotMatchesLineSeparators error:nil]; //匹配出结果集 NSTextCheckingResult *checkResult = [regex firstMatchInString:html options:NSMatchingReportCompletion range:NSMakeRange(0, html.length)]; // 取出找到的内容. 数字分别对应第几个带括号(.*?), 取0时输出匹配到的整句. NSString *result = [html substringWithRange:[checkResult rangeAtIndex:2]]; NSLog(@"数据为----->%@", result); return result; }
匹配结果最后使用代理传到主线程中去更新UI。
程序界面如下:(查询Android后,从网页中找到的数据为“机器人”)
出错处理这里就不做了。
程序源码如下:http://download.csdn.net/detail/xn4545945/7619349
转载请注明出处:http://blog.csdn.net/xn4545945
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。