目录

1. 正则表达式

2. CSS选择器

3. 一点想法

一、 正则表达式

正则表达式是一类用于匹配内容的符号

1. 常用的正则表达式

• 条件
  指定要匹配的字符

  直接输对应的字符 “原封不动地匹配这个字符”
  . “匹配除换行符以外的所有字符。”
  \d,\w,\s “匹配数字、字符、空格。”
  \D,\W,\S “匹配非数字、非字符、非空格。”
  Hello后端 “匹配 Hello后端 整个字符串。”
  [Hello后端] “匹配 H、e、l、o、后、端 中的一个字符。”
  [a-z] “匹配 a 到 z 中的一个字母。”
  [^后端2] “匹配除了 后、端、2 的其他一个字符。”
  QWQ|qwq “匹配 QWQ 或 qwq。”

• 通配
  加在条件后方，限制条件的匹配次数。

  ? “重复 0 次或 1 次。”

  • “重复 0 次或多次。”
  • “重复 1 次或多次。”
    {n} “重复 n次。”
    {n,} “重复 n次以上。”
    {m,n} “重复最少 m 次，最多 n 次。”

• 在线测试工具
  点击这里
  (https://c.runoob.com/front-end/854/)
  可以测试你输入的正则表达式

2. Java中使用正则表达式的方法

示例代码如下：

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);        //1
        String str = sc.nextLine();                 //1
        Pattern pattern = Pattern.compile("hello"); //2
        Matcher matcher = pattern.matcher(str);     //3
        while(matcher.find()) {                     //4
            var a = matcher.group();                //5
            System.out.println(a);
        }
    }
}

逐句分析

1. 创建一个Scanner来获取用户输入的字符串
2. 句式为 Pattern 对象名 = Pattern.compile("要用的正则表达式"); Pattern类的作用是写入正则表达式
3. 句式为 Matcher 对象名 = 刚才的Pattern的对象名.matcher(你输入的正则表达式，这里可以是变量);
   Matcher类的作用是创建一个检测器，判断正则表达式可以匹配该字符串中的哪些字符
4. 没有matcher.find()这句话会报错：“No match found”

5. 句式为 刚才的Matcher的对象名.group()
   group方法的意思是把正则表达式匹配的字符串提取出来，存进变量里

   2. CSS选择器

   CSS选择器是一个十分方便的工具，能帮我们选择html文档中的各种标签

• 元素选择器
  作用：选中对应元素/标签里面的内容
  语法：标签名{}
  如：选取h1标签中的文本内容

  String title = document.body().selectFirst("h1").text();

• id选择器
  作用：选中对应id属性值的元素
  语法：#id属性值{}
  如：选取第一个出现的content标签内的内容

  Element chapterContent = chapter.selectFirst("#content");

• 关系选择器

  1. 父子关系：父元素直接包含子元素，子元素直接被父元素包含

     <div><p></p></div>
     div标签是p标签的父元素，p标签是div标签的子元素

  2. 兄弟关系：拥有同一个父元素

     <div><p></p><h1></h1></div>
     p标签和h1标签就是兄弟关系

     如：选择父元素为dl的所有dd标签

     Elements menu = document.body().select("dl dd");

• 属性选择器
  有以下五种：

  [属性]           选中含有指定属性的元素
  [属性=属性值]     选中含有指定属性和指定属性值的元素
  [属性^=属性值]   选中含有指定属性和指定属性值开头的元素
  [属性$=属性值]   选中含有指定属性和指定属性值结尾的元素
  [属性*=属性值]   选中指定属性名和含有指定属性值的元素

• 类选择器
  作用：选中对应class属性值的元素
  语法：.class属性值{}

• 通配选择器
  作用：选中页面中所有元素
  语法：*{}

后三种目前还没在爬虫作业里出现

3. 一点思考

如果要提高用户体验的话，我觉得可以把springboot和爬虫结合起来，让用户通过操作网页上的按钮和输入框来执行各项命令，同时用文本框返回正在爬取的章节和各种提示语句。

功能构想：

1. 用输入框选择想要爬取的章节（比如前面的一百章用户已经看完了，此时没必要再爬一遍前一百章）
2. 设置一个stop按钮，以应对爬取过程中的突发情况
3. 用下拉菜单的形式让用户选择目标小说所在的小说站，因为爬虫程序不一定通用，有可能在笔趣阁能运行，在爱下书就不能用。这也避免了用户输错url格式。
4. 以进度条的形式告知用户爬取进度
5. 设置一个按钮，点击之后打开成品文本
6. （而且我感觉网页操作比cmd好用）

因为前后端传输的代码不会写，所以这些想法就搁置了。如果这些功能能实现的话，效果应该会不错吧：）

LiZhaoyang