正则匹配含有逗号的文章总数

╰半橙微兮° 2022-05-10 14:36 99阅读 0赞

一，因为英文数字的表达方式，即超过三位数就会加个逗号。比如5,356。但是小于等于三位数时没有逗号，因此在写爬虫用正则解析文章数量时出现了这个问题，刚开始没有认真思考----现在记录一下。

1，第一次遇到的：

Showing 1–200 of 3,129 results

正则表达式为：\\d+,\\d+                                        （\\d表示匹配数字，+表示匹配多个）

匹配结果：![70][]

这里推荐一个好用的在线正则表达式测试：[http://tool.oschina.net/regex/][http_tool.oschina.net_regex]       比较方便。

但是这里忽略了一个事实，当文章数小于1000的时候，匹配出现问题：

例子：

Showing 1–200 of 229 results

将会出现匹配错误。匹配不到。

2，这里我将正则表达式修改了为：\\d+(,)?\\d+       （？表示匹配前面的字符一个或0个）

又出现了了错误：这里因为可以(,)?可以匹配一个或0个逗号的缘故导致200被匹配出来，，，

![70 1][]

3.第三次，因为of字符是固定的，我在正则表达式中添加进去了：of \\d+(,)?\\d+

![70 2][]

这时候匹配正确但增加了of,虽然可以处理字符达到要求但还是继续

4，第四次正则表达式：(?!of) \\d+(,)?\\d+      （？！大概的的意思是不匹配后面的字符串）这里加上后面的单词results更准确，

参考链接：[https://blog.csdn.net/xuyangxinlei/article/details/81359366][https_blog.csdn.net_xuyangxinlei_article_details_81359366]

：[https://www.cnblogs.com/snailpen/archive/2018/06/14/9184405.html][https_www.cnblogs.com_snailpen_archive_2018_06_14_9184405.html]

[https://www.cnblogs.com/chip/p/4278135.html][https_www.cnblogs.com_chip_p_4278135.html]   [正则表达式的先行断言(lookahead)和后行断言(lookbehind)][https_www.cnblogs.com_chip_p_4278135.html]

OK到此可以匹配出来了。

![70 3][]

但是还是发现了一处BUG，不能匹配一位数的文章，

因此第五次更改：正则表达式：(?!of) \\d+,?\\d\* (?=results)

这次可以了，也去掉了of和results.

![70 4][]

[70]: /images/20220505/4ee4f0ea87e6484d9b237bdfcea5a687.png
[http_tool.oschina.net_regex]: http://tool.oschina.net/regex/
[70 1]: /images/20220505/0f92b910b2b84d3aaf11024026b567c0.png
[70 2]: /images/20220505/bdeb9b410073472799259c2beadfd5af.png
[https_blog.csdn.net_xuyangxinlei_article_details_81359366]: https://blog.csdn.net/xuyangxinlei/article/details/81359366
[https_www.cnblogs.com_snailpen_archive_2018_06_14_9184405.html]: https://www.cnblogs.com/snailpen/archive/2018/06/14/9184405.html
[https_www.cnblogs.com_chip_p_4278135.html]: https://www.cnblogs.com/chip/p/4278135.html
[70 3]: /images/20220505/2566cd541b394334bb2ad24ee345568f.png
[70 4]: /images/20220505/2855747498cc4653ac7855565cfaaf54.png