很久以前在R-Forge上注册过一个RDouban项目, 想用豆瓣提供的API做点好玩的事情. 可惜后来只写了个开头, 感兴趣的童鞋可以无条件认领. 在这里结合豆瓣的基础API, 非常简略地写一下用XML包读数据的基本问题.
花十分钟学习XPath语法.
熟练后可使用Firebug等调试工具直接提取. 此外, 要特别注意XML命名空间问题. (感谢yixuan提醒)
花n分钟阅读"豆瓣API参考手册".
用户的评论、收藏、广播、豆邮等交互功能往往需要先进行OAuth认证, 建议阅读RFC5849以充分理解OAuth协议. 这块目前也有ROAuth包可以实现, 不过与读数据没什么关系, 此略.
匹配字符串的开始(位置): ^
匹配字符串的开始(不受处理多行选项影响): A
匹配字符串的结束(位置): $
匹配字符串的结束(不受处理多行选项影响): z
匹配字符串的开始/结束(位置): b
匹配字符串的结束/行尾(不受处理多行选项影响): Z
匹配数字/字母/下划线/汉字: w
匹配(阿拉伯)数字: d
匹配空白符(空格/全角空格/制表符/换行符): s
匹配横向制表符: t
匹配竖向制表符: v
匹配回车: r
匹配换行符: n
匹配换页符: f
匹配任意字符(除换行符n): .
前述表达式重复任意次: *
. * \ ^ $ 等.
e.g. [13579] 匹配1或3或5或7或9中的任意一个数字.
重复至少0次: *
重复至少1次: +
重复0次或1次: ?
重复n次: {n}
重复n次或更多次: {n,}
重复m到n次: {m,n}
e.g. d{2,9} 匹配2-9位阿拉伯数字.
p.s. 分枝条件按照从左到右的顺序测试. 如果已满足了某个分枝, 则匹配结束. 故使用分枝条件时, 一定要反复斟酌各个条件的书写顺序.
对于元字符, 把元字符里的字母小写换为大写即表示反义. 对于字符类, [^13579] 匹配除了1或3或5或7或9以外的任意字符. 一个不错的例子:
<a[^>]+> 匹配用尖括号括起来的以a开头的字符串
和编程写公式时多加括号防止写错有点类似. 不过这里的现实意义强得多, 可以用来写出比较复杂的表达式.
在正则表达式中, [最先开始的匹配] 拥有最高优先权. 其次才是默认的贪婪匹配原则. 与之对应的懒惰匹配原则:
重复0次或1次: ??
重复至少1次: +?
重复m到n次: {m,n}?
重复n次以上: {n,}?
重复任意次: *?
(1) 零宽度正预测先行断言: (?=exp)
断言此位置之后能匹配表达式exp
e.g. bw+(?=lyb) 匹配以ly结尾的字符串的前面部分.
(2) 零宽度正回顾后发断言: (?<=exp)
断言此位置之前能匹配表达式exp
e.g. (?<=bpre)w+b 匹配以pre开头的字符串的后面部分.
(3) 零宽度负预测先行断言: (?!exp)
断言此位置之后不能匹配表达式exp
e.g. b((?!exe)w)+b 匹配不包含连续字符串exe的字符串.
(4) 零宽度负回顾后发断言: (?<!exp)
断言此位置之前不能匹配表达式exp
e.g. (?<!010)d{8} 匹配前面不是010的8位数字.
(?#注释内容)