比正则表达式更好的系统答案

【问题标题】：better system than regex比正则表达式更好的系统
【发布时间】：2023-03-31 04:28:01
【问题描述】：

我制作了一个可以从特定网站提取某些特定信息的应用程序。为此，我使用了正则表达式，它给了我想要的输出。对于那个简单的爬虫，有没有比正则表达式更有效的过程或想法。

【问题讨论】：

这取决于你想要什么信息......你可以使用解析器......
您没有提供足够的细节来回答这个问题。您要提取什么/多少信息？您目前使用的是什么代码？
说实话，你可以使用循环来做同样的事情，但是这个过程会产生很多 String 对象。以我的经验，正则表达式是最快的方式，也是最好的方式，如果可以应用的话。

【解决方案1】：

如果您说它是解决您的问题的简单正则表达式，那么没有其他更有效的解决方案。当涉及到爬虫时，替代方法是将整个 html 页面加载到内存中，在 DOM 文档中并使用 XPath 甚至 XQuery 进行搜索。但实际上，如果使用 regex 可以轻松提取信息，那么请不要费心，尤其是如果您不熟悉 XPath。

当您想要进行复杂的搜索时，XPath 的强大功能就会发挥作用。对于这个任务，它比正则表达式更优雅（至少在 w3c 的意见中）。但是如果你想要一个快速的解决方案，你已经找到了，而且它在 RAM 方面也更有效。

【讨论】：

但是整个“你不能对 HTML 使用正则表达式”这个概念发生了什么？
@Mr Lister 这不是“你不能”，而是“你不应该”。它仍然有效。但如果你只是想要一个简单快速的东西，那没关系。这个概念是基于 html 可以更改的事实，它还需要您更改代码。但这有时也适用于其他解决方案。如果您正在进行一些激烈的抓取，那么您应该远离使用正则表达式进行解析。