如何在 nutch 中编写正则表达式？
How to write regular expression in nutch?
我正在使用 Nutch 来抓取网页。我在编写正则表达式时遇到问题。
它在以下配置下工作正常：
种子 url :
www.practo.com
（以 https:// 开头）
正则表达式-urlfilter.txt：
+^https://www.practo.com/
但我只想获取特定页面，例如包含有关 'cardiologist' 信息的页面
示例：我想获取如下页面：
www.practo.com/hyderabad/doctor/some-name-cardiologist
即我想获取以特定关键字结尾的页面。
我正在使用以下正则表达式：
+^https://www.practo.com(/[a-z0-9]*)*心脏病专家
请帮我写正则表达式
您可以使用以下内容：
+^https://www\.practo\.com.*cardiologist
我的问题得到了答案。问题是获取正确的正则表达式。
+^(https|http)://([a-zA-Z0-9./-]+)心脏病专家([a-zA-Z0-9-#?=]) *
以下网站帮助我找到正确的表达方式：https://regex101.com/
我正在使用 Nutch 来抓取网页。我在编写正则表达式时遇到问题。
它在以下配置下工作正常： 种子 url : www.practo.com （以 https:// 开头）
正则表达式-urlfilter.txt： +^https://www.practo.com/
但我只想获取特定页面，例如包含有关 'cardiologist' 信息的页面 示例：我想获取如下页面： www.practo.com/hyderabad/doctor/some-name-cardiologist 即我想获取以特定关键字结尾的页面。
我正在使用以下正则表达式： +^https://www.practo.com(/[a-z0-9]*)*心脏病专家
请帮我写正则表达式
您可以使用以下内容：
+^https://www\.practo\.com.*cardiologist
我的问题得到了答案。问题是获取正确的正则表达式。
+^(https|http)://([a-zA-Z0-9./-]+)心脏病专家([a-zA-Z0-9-#?=]) *
以下网站帮助我找到正确的表达方式：https://regex101.com/