Question

我正在使用Yahoo Pipes构建一个刮刀，它将通过xPath刮掉我们公司的微网站并生成一个RSS源，然后我可以将其嵌入主站点。

到目前为止，我已经从页面中抓取了职位和位置，但我无法将这些项目链接到微型网站。

到目前为止，这是我的管道：http://pipes.yahoo.com/pipes/pipe.info?_id=2bb5b8fedd0064b64d0e8861e3fc8fd5

我想我需要从每个节点中提取href链接，然后应用正则表达式，但我真的无法理解它。

链接在代码中如下所示：www2.jobs.badenochandclark.ch/JavaScript:OpenAssignment('a960c93a-11fe-4751-bc27-83a48429c3ba',%20'/Jobs/Details/a960c93a-11fe-4751- bc27-83a48429c3ba'）;

但是我很难生成一个基本上可以这样做的正则表达式： www2.jobs.badenochandclark.ch/~~JavaScript:OpenAssignment('a960c93a-11fe-4751-bc27-83a48429c3ba',%20'~~/Jobs/Details/a960c93a-11fe-4751-bc27-83a48429c3ba~~'）;~~

~~所以我坚持如何提取链接，然后如何将其构建到管道上。任何对正确方向的帮助或推动都会非常感激。~~

Answer 1

你去.. http://pipes.yahoo.com/pipes/pipe.info?_id=d564b802185d5777d757ed4189470941

在regex模块中使用稍微复杂的代码。除了尝试提取和分配变量

之外，通常更容易擦除您不想要的代码 plx.link.href 中的

找到这个 - ＆gt; JavaScript（。+）作业替换为 - ＆gt; 作业

plx.link.href 中的

找到这个 - ＆gt; \'\）; 替换为 - ＆gt; 留空

代码的尾随位）;需要反斜杠为'和）是控制字符串添加反斜杠 \ 使正则表达式以文本字符的形式读取它们。

这个正则表达式 a（。+？）b 意味着匹配或抓住＆amp; b并为这类事情派上用场。

Answer 2

完整的URL解析并不简单，但如果有足够的约束，它就变得易于管理。

例如，如果您知道

JavaScript:OpenAssignment(始终跟随/，
第一个参数始终是引号中的十六进制+破折号，
第二个参数（至少是你需要的部分）也是引号，
并且您可以在“功能”

然后这样的事情可能是一个起点：

\/JavaScript:OpenAssignment\([^'"]*['"][0-9a-fA-F\-]+['"][^,)]*,[^'")]*['"]([0-9a-fA-F\-]+)['"].*

然后，$1将包含您希望保留的匹配。解释如下。

\/                           Slashes need to be escaped (usually).
JavaScript:OpenAssignment    Our function of interest.
\(                           Parentheses need to be escaped too.
[^'"]*                       We're looking for a quote next, so ignore any
                             string of non-quotes, e.g. %20.
['"]                         A quote character.
[0-9a-fA-F\-]+               A hexadecimal-and-dashes string.
['"]                         A quote character.
[^,)]*                       We're looking for a comma next, so ignore any
                             string of non-quotes, e.g., again, %20.
,                            A comma character.
[^'"]*                       We're looking for a quote again, so ignore any
                             string of non-quotes, e.g. %20.
['"]                         A quote character.
([0-9a-fA-F\-]+)             A hexadecimal-and-dashes string, this time captured.
['"]                         A quote character.
.*                           The rest of the string that we don't care about.

在雅虎管道中与正则表达式斗争

2 个答案: