python? 正則表達(dá)式知識點(diǎn)

正則 常用符號

. : 匹配任意字符，換行符除外

* ： 匹配前一個(gè)字符 0 次或者無限次

？ ： 匹配前一個(gè)字符 0次或者1次

.* ： 貪心算法

.*？ ：非貪心算法

()： 括號內(nèi)的數(shù)據(jù)作為結(jié)果返回

正則常用方法：

findall: 匹配所有符合規(guī)律的內(nèi)容，返回包含結(jié)果的列表

Search： 匹配并提取第一個(gè)符合規(guī)律的內(nèi)容，返回一個(gè)正則表達(dá)式對象

Sub: 替換符合規(guī)律的內(nèi)容，返回替換后的值

正則表達(dá)式的基本應(yīng)用 ,使用正則表達(dá)式過濾一個(gè)簡單的test文件

test 文件如下html>

極客學(xué)院爬蟲測試《python定向爬蟲入門》

• 這是第一條
• 這是第二條
• 這是第三條
• 這是第四條

正則使用效果如下#coding:utf-8

import?re

old_url='http://www.jikexueyuan.com/course/web/?pageNum=2'

total_page=13

f?=?open('t1.txt','r',encoding="utf-8")

html?=?f.read()

f.close()

#爬取標(biāo)題

title?=?re.search('

(.*?)',html,re.S).group(1)#使用search?找到所需要的內(nèi)容，就返回

print(title)

執(zhí)行代碼，顯示如下

極客學(xué)院爬蟲測試

#爬取鏈接

links?=?re.findall('href="(.*?)"',html,re.S)

print(links)

執(zhí)行代碼，顯示如下

['http://www.jikexueyuan.com/welcome.html',?'http://www.jikexueyuan.com/1.html',?'http://www.jikexueyuan.com/2.html',?'http://www.jikexueyuan.com/3.html',?'http://www.jikexueyuan.com/4.html']

#提取文字

text_filed?=?re.findall('

• (.*?)

',html,re.S)[0]

print(text_filed)

print("===============================")

the_text?=?re.findall('">(.*?)',text_filed,re.S)

for?every_text?in?the_text:

print(every_text)

執(zhí)行代碼，顯示如下

這是第一條

這是第二條

這是第三條

這是第四條

#sub?實(shí)現(xiàn)翻頁功能

for?i?in?range(7,total_page+1):

new_link?=?re.sub('pageNum=\d+','pageNum=%d'?%i,old_url,re.S)

print(new_link)

執(zhí)行代碼，顯示如下

http://www.jikexueyuan.com/course/web/?pageNum=7

http://www.jikexueyuan.com/course/web/?pageNum=8

http://www.jikexueyuan.com/course/web/?pageNum=9

http://www.jikexueyuan.com/course/web/?pageNum=10

http://www.jikexueyuan.com/course/web/?pageNum=11

http://www.jikexueyuan.com/course/web/?pageNum=12

http://www.jikexueyuan.com/course/web/?pageNum=13

總結(jié)

以上是生活随笔為你收集整理的python爬虫入门必备正则_python 爬虫入门之正则表达式 一的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。