我无法发布我试图提取的确切数据,但这是一个具有相同结果的基本场景。我正在抓取页面的正文并尝试从中提取 bit.ly 链接。例如,假设这是我试图从中获取链接的数据块。
细绳:
<a href="/l.php?u=http%3A%2F%2Fbit.ly%2FPq8AkS&h=aAQFZxdL0&s=1" target="_blank" rel="nofollow nofollow" onmouseover="LinkshimAsyncLink.swap(this, "http:\\/\\/bit.ly\\/Pq8AkS");" onclick="LinkshimAsyncLink.referrer_log(this, "http:\\/\\/bit.ly\\/Pq8AkS", "http:\\/\\/www.facebook.com\\/si\\/ajax\\/l\\/render_linkshim_log\\/?u=http\\u00253A\\u00252F\\u00252Fbit.ly\\u00252FPq8AkS&h=aAQFZxdL0&s=1");">http://bit.ly/Pq8AkS</a></div><div class="shareUnit"><div class="-cx-PRIVATE-fbTimelineExternalShareUnit__wrapper"><div><div class="-cx-PRIVATE-fbTimelineExternalShareUnit__root -cx-PRIVATE-fbTimelineExternalShareUnit__hasImage"><a class="-cx-PRIVATE-fbTimelineExternalShareUnit__video -cx-PRIVATE-fbTimelineExternalShareUnit__image -cx-PRIVATE-fbTimelineExternalShareUnit__content" ajaxify="/ajax/flash/expand_inline.php?target_div=uikk85_59&share_id=271663136271285&max_width=403&max_height=403&context=timelineSingle" rel="async" href="#" onclick="CSS.addClass(this, "-cx-PRIVATE-fbTimelineExternalShareUnit__loading");CSS.removeClass(this, "-cx-PRIVATE-fbTimelineExternalShareUnit__video");"><i class="-cx-PRIVATE-fbTimelineExternalShareUnit__play"></i><img class="img" src="http://external.ak.fbcdn.net/safe_image.php?d=AQDoyY7_wjAyUtX2&w=155&h=114&url=http%3A%2F%2Fi1.ytimg.com%2Fvi%2FDre21lBu2zU%2Fmqdefault.jpg" alt="" /></a>
现在,我可以使用以下代码获得我正在寻找的内容,但链接并不总是正好是 6 个字符长。所以这会导致一个问题......
Body = document.getElementsByTagName("body")[0].innerHTML;
regex = /2Fbit.ly%2F(.{6})&h/g;
Matches = regex.exec(Body);
这是我最初尝试的方法,但我遇到的问题是它获取了太多数据。它一直到"&h"
上面字符串中的最后一个,而不是在它击中的第一个处停止。
Body = document.getElementsByTagName("body")[0].innerHTML;
regex = /2Fbit.ly%2F(.*)&h/g;
Matches = regex.exec(Body);
所以基本上我要关注的字符串的主要部分是"%2Fbit.ly%2FPq8AkS&h"
这样我可以从中得到“Pq8AkS”。当我使用(.*)
它时,它会抓取上面大字符串中"%2F"
最后一个之间的所有内容。"&h"