Java爬虫

package Pachong;import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Regx {public static void main(String[] args) {String str ="Java自从95年问世以米，经历了很多版本，目前企业中用的最多的是Java8和Java11，"+"因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
//        method1(str);Pattern p = Pattern.compile("Java\\d{0,2}");Matcher m = p.matcher(str);while (m.find()){String s1 = m.group();System.out.println(s1);}}private static void method1(String str) {//Pattern:表示正则表达式//Matcher：文本匹配器，作用按照正则表达式的规则去读取字符串，从头开始读取//获取正则表达式对象Pattern p = Pattern.compile("Java\\d{0,2}");//获取文本匹配器的对象//m:文本匹配器的对象//str:大串//p:规则//m要在石头人中找符合p规则的小串Matcher m = p.matcher(str);//拿着文本匹配器从头开始读取，寻找是否有满足规则的字串//如果没有，方法返回false//如果有，返回true。在底层记录字串的起始索引和结束索引+1//0,4boolean b = m.find();//方法底层会根据find方法记录的索引进行字符串的截取// substring(起始索引，结束索引);包头不包尾// (0,4)但是不包含4索引// 会把截取的小串进行返回String s1 = m.group();System.out.println(s1);}
}

有?:和没有这个代表的是衔接的意思

？！这个是不需要有后面的这些数字意思

abbbbbbbbbbbbbaaaaaaaaaaaaaa

贪婪爬取：在爬取数据的时候，尽可能的多获取数据 ab+

非贪婪爬取：在爬取数据的时候，尽可能的少获取数据 ab+?

分组

每组是有组号的，也就是序号

规则1：从1开始，连续不间断

规则2：以左括号为基准，最左边的是第一组，其次为第二组，以此类推

捕获分组：

后续还要继续使用本组数据

正则内部使用：\\组号

正则外部使用：$组号

非捕获分组：

分组之后不需要再用本组数据，仅仅是把数据括起来