java - LucidWorks:Java正则表达式和GNU正则表达式

我正在尝试创建正则表达式，以便可以使用LucidWorks对我的网站上的某些URL进行爬网和索引。

范例网址：http://www.example.com/reviews/assassins-creed-revelations/24475 / reviews /
范例网址：http://www.example.com/reviews/super-mario-3d-land/64303 / reviews /

基本上，我希望LucidWorks搜索我的整个网站，并且仅索引URL末尾带有/ reviews /的URL。

谁能帮我构建一个表达式来做到这一点？ :)

更新：

网址：http：//www.example.com/

包含路径：// * / reviews / *

这种工作方式有效，但只会抓取第一页，而不会进入具有更多评论（1、2、3等）的下一页。

如果我还添加：///reviews/.*

我得到了一些我不想索引的页面，例如http://www.example.com/?page=2

最佳答案

Check with this function
public boolean canAcceptURL(String url,String endsWith){
    boolean canAccept = false;
    String regex = "";
    try{
        if(endsWith.equals("")){
            endsWith = "/reviews/";
        }
    regex = "[\\x20-\\x7E]*"+endsWith+"$";//Check the url string u passed ends     with the endString you hav passed.If end string is null it will take the default value.
        canAccept = url.matches(regex);
    }catch (PatternSyntaxException pe) {
        pe.printStackTrace();
    }catch (Exception e) {
        e.printStackTrace();
    }
    System.out.println("String matches : "+canAccept);
    return canAccept;
}

Sample out put :
calling function : canAcceptURL("http://www.example.com/reviews/super-mario-3d-land/64303/reviews/","/reviews/");
String matches : true

if you want to get the url contains *'/reviews/'* just change the regex string to

String regex = "[\\x20-\\x7E]*/reviews/[\\x20-\\x7E]*"; // this will accept a string with white space and special character.

关于java - LucidWorks:Java正则表达式和GNU正则表达式，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/8174619/