正则表达式应用之快速提取书单

打算给闺女买几本书，计划是列一个书单让闺女自己选。

于是找到另一个还算不错的书单介绍页，可惜它不让复制，鼠标右键选中提示

扫码以后就跳到学而思的网页让加老师的微信之类的。

这事怎么能难倒我这个程序员呢？工具伺候。

工具获取方法：头条首发：自己写的一款正则表达式测试工具

1、切换到网页源码页

我用的是Chrome浏览器，在书单页页面鼠标右键，然后点查看网页源代码

2、你会看到网页源码了，鼠标滚轮到合适的位置，你就能看到书单文字了，这个是可以复制的，只不过里面有一些网页标签，有他们在不方便阅读。

数字序号 + 、+书名+</div>符号结束

发现它的网页源码都是有规律的：

数字序号 + 、+书名+</div>符号结束

那么正则表达式写为：

d+、.*?(?=</div>)

 

解释如下：

d+匹配连续的数字；

.*?匹配所有字符；

(?=</div>)以</div>结尾的字符，结果中不包含</div>

在软件中运行结果如下：

原来是内容分成了两个不同的部分，先把前15个复制下来，然后再处理后面的：

全部复制下来，发现前面15本是对的，后面的仅仅是介绍，没有书名

1、西方寓言的始祖

2、中国先秦时期的百科全书

3、兵家韬略之首

4、垂范千古的儒家经典

5、中国道家学说的开山之作

原来是内容分成了两个不同的部分，先把前15个复制下来，然后再处理后面的：

总结发现规律，原来书名都是以《开头，</div>结尾，于是修改下正则表达式：

《.*?(?=</div>)

匹配结果如下，稍作处理得到了满意的结果：

《伊索寓言》 伊索

《诗经》 孔子

《孙子兵法》 孙武

《论语》 孔子及其弟子

《老子》 老子

《圣经》 希伯来人

《离骚》

《史记》 司马迁

《资治通鉴》 司马光等

《神曲》 但丁

《西厢记》 王实甫

《水浒传》 施耐庵

《三国演义》 罗贯中

《君主论》 马基雅维里

《一千零一夜》 阿拉伯人

《堂吉诃德》

《西游记》 吴承恩

《菜根谭》 洪应明

《蒙田随笔全集》 蒙田

《莎士比亚喜剧悲剧集》 莎士比亚

《堂吉诃德》 塞万提斯

《古文观止》 吴楚才，吴调侯

《唐诗三百首》 孙洙，徐兰英

《红楼梦》 曹雪芹，高鹗

《格林童话》 雅各布;格林，威廉;格林

《吉檀迦利》 泰戈尔

《变形记》 卡夫卡

《红与黑》 司汤达

《孙子兵法》齐名的一代巨着

《战争论》 克劳塞维茨

《安徒生童话》 安徒生

《简;爱》 夏洛蒂;勃朗特

《昆虫记》 法布尔

《茶花女》，断尽支那荡子肠

《茶花女》 小仲马

《包法利夫人》 居斯塔夫;福楼拜

《物种起源》 达尔文

《悲惨世界》 雨果

《罪与罚》 陀思妥耶夫斯基

《悲剧的诞生》 尼采

《曾国潘家书》 曾国藩

《安娜;卡列尼娜》 列夫;托尔斯泰

《梦的解析》 弗洛伊德

《鲁迅全集》 鲁迅

《毛泽东诗词》 毛泽东

《尤利西斯》 詹姆斯;乔伊斯

《朱自清散文》 朱自清

《志摩的省》 徐志摩

《宋词三百首》 朱疆村

《追忆似水年华》 马塞乐;普鲁斯特

《静静的顿河》 肖洛霍夫

《查泰莱夫人的情人》 劳伦斯

《卡耐基成功之道全书》 卡耐基

《钢铁是怎样炼成》 尼古拉;奥斯特洛夫斯基

《飘》 玛格丽特;米切尔

《倾城之恋》 张爱玲

《围城》 钱钟书

《经济学》 萨缪尔森，诺德豪斯

《麦田的守望者》 塞林格

《老人与海》 厄纳斯特;海明威

《百年孤独》 加西亚;马尔克斯

《美的历程》 李泽厚

《不能承受的生命之轻》 米兰;昆德拉

《文化苦旅》 余秋雨

 

《百年孤独》《活着》《悲惨世界》《老人与海》《挪威的森林》《人间词话》《唐诗三百首》《呐喊》《撒哈拉的故事》《不能承受的生命之轻》《海子诗全集》《三体》《四大名著》《围城》《1984》《傲慢与偏见》《茶馆》《魔戒》《白鹿原》《射雕英雄传》《我们仨》《月亮和六便士》《倾城之恋》《白夜行》《飘》《尘埃落定》《福尔摩斯探案全集》《诗经》《目送》《基督山伯爵》《边城》《如何阅读一本书》《苏菲的世界》《红高粱》《文学回忆录》《麦田里的守望者》《平凡的世界》《我与地坛》

《论语》《光荣与梦想》《全球通史》《自私的基因》《南渡北归》《中国哲学简史》《万历十五年》《社会契约论》《菊与刀》《失控》《文化苦旅》《乌合之众》《孙子兵法》《枪炮、病菌与钢铁》《中国历代政治得失》《宽容》《传家》《明朝那些事儿》《历史深处的忧虑》《剑桥中国史》《西方哲学史》《大问题:简明哲学导论》

《高效能人士的七个习惯》《经济学原理》《金字塔原理》《少有人走的路》《向前一步》《洛克菲勒给儿子的38封信》《基业长青》《影响力》《伟大的博弈》《与神对话》《心理学与生活》《卓有成效的管理者》《从0到1》《资本论》《激荡三十年》

《哈利 波特》《不一样的卡梅拉》《小王子》《丁丁历险记》《猜猜我有多爱你》《安徒生童话》《爱的教育》《失落的一角》《上下五千年》《好饿的毛毛虫》《夏洛的网》

《艺术的故事》《美的历程》《加德纳艺术通史》

《好妈妈胜过好老师》《男人来自火星,女人来自金星》

《时间简史》《科学百科》《万物运转的秘密》《从一到无穷大》《浪潮之巅》《上帝与新物理学》《硅谷百年史》《昆虫记》《万物简史》

怎么样，你学会了吗？