在開發專案的過程，很多情況下我們需要利用網際網路上的一些資料，在這種情況下，我們可能要寫乙個爬蟲來爬我們所需要的資料。一般情況下都是利用正規表示式來匹配html,獲取我們所需要的資料。一般情況下分以下三步。
1、獲取網頁的html
2、利用正規表示式，獲取我們所需要的資料
3、分析，使用獲取到的資料，（例如，儲存到資料庫）
接下來我們分析**：
1、獲取網頁的html
對於一些網頁，不需要提交post提交資料時，我們可以簡單的利用nsurl類來獲取我們所需要的html，交將其轉換中kcfstringencodinggb_18030_2000格式，解決中文亂碼問題。
+(nsstring*) urlstring:(nsstring*)strurl
對於需要post提交資料的網頁，我們可以利用強大的asiformdatarequest類來實現，例如：
+(void)getpostresult:(nsstring*)startqi
else
}這樣的話，我們就通過了兩種方式獲取了我們所需要的html
2、分析html
關於利用正規表示式匹配問題，我又對nsstring類擴充套件了乙個方法-(nsmutablearray *)substringbyregular:(nsstring *)regular。根據傳入的正規表示式，返回所有匹配的陣列。
@implementation nsstring(stringregular)
-(nsmutablearray *)substringbyregular:(nsstring *)regular
}return arr;
}@end
在這種情況下，我們首先我得到我們要獲取資料的正規表示式，關於正規表示式這種火星文我就不多說了，我也很糾結，我就不多說了，但是有一點就是，所寫的正規表示式一定是我們所需要的資料，並且能夠遮蔽無效資訊的，有可能在一次匹配中無法獲取，可以多次利用正規表示式來分段獲取。下面是我的語句，在我的例子中，就是兩次利用正規表示式。
nsstring *regstr = @"\\w
正規表示式抓取網頁資訊
宣告 此正規表示式只適用於.net 使用的流程為傳送http請求返回整個html網頁，然後從此html頁面抓取想要的資料。第一部分 傳送httpwebrequest 請求 url 位址 瀏覽器型別設定 request.useragent mozilla 4.0 compatible msie 7.0...
利用正規表示式 組合抓取 CSDN部落格資訊
應用的正規表示式函式re.findall，元字元.抓取網頁使用的模組requests 抓取情況 usr bin python coding utf 8 import requests import re link headers r requests.get link,headers headers...
網頁解析正規表示式
在寫爬蟲的過程中，最麻煩的就是寫正規表示式，還要乙個乙個的嘗試，一次次的除錯，很是費時間。於是我就寫了乙個網頁版的，只需要輸入要爬的 和正則式，網頁上就可以顯示爬到的資料。思路 其實很簡單，將 和正則式傳到伺服器，伺服器解析之後，將結果返回到前端。我用的是bootcss 前端 bottle 後台用p...