1.7 KiB
1.7 KiB
Reguläre Ausdrücke (Regex)
Sonderzeichen (*+?{}[]\|()) mit \ escapen.
- Platzhalter:
.(Zeichen),\d(Ziffer),\w(Buchstabe/Ziffer),\s(Whitespace). Großbuchstaben (\D,\W,\S) negieren die Auswahl. - Auswahl:
[...](Zeichenmenge),[^...](negierte Menge),[a-z](Bereich). - Wiederholung:
*(0+),+(1+),?(0-1),{n,m}(Anzahl).*?für non-greedy. - Logik & Gruppen:
()(Gruppe),(?P<n>...)(benannte Gruppe),|(ODER). - Position:
^(Anfang),$(Ende),\b(Wortgrenze). Beispiel:
^(?P<timestamp>\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2})\s\[(?P<level>INFO|WARN|ERROR)\]\s\(user:\s'(?P<user>[\w\.-]+@[\w\.-]+)'\)\s"(?P<message>.*?)"$
XPath & JSONPath
- XPath (XML): Navigation mit
/(Kind),//(Nachfahre),.(aktuell),..(Eltern). Filtern mit[...], z.B.[@id='x'](Attribut) oder[1](Position). Werte mit@attributodertext(). - JSONPath (JSON): Start mit
$. Navigation mit.oder['key']...(rekursiv),[*](alle Array-Elemente). Filtern mit[?(@...)], wobei@das aktuelle Element ist. Beispiel:
//course[@id='cds104']/lecturer[@type='external' and units > 5]/name/text()
$.movies[?(@.year > 1999 && @.title =~ /^Matrix.*/)].actors[*].name
HTTP-APIs & Web Crawling
- HTTP-APIs: Datenaustausch über URLs via REST (Methoden: GET, POST, etc.), oft mit API-Key zur Authentifizierung.
- Web Scraping/Crawling: Extrahiert Daten aus HTML. Auswahl mit CSS-Selektoren (z.B.
tag,.klasse,#id). Crawler folgen Links (<a>). Beachterobots.txtund nutzesitemap.xml.
main#content article.published:not(.featured) h2 + div.meta a[href*="author"]