Python爬虫基础——re模块的提取和匹配，,re是Python的

文章由Byrx.net分享于2019-12-22 02:12:21评论（571）

Python爬虫基础——re模块的提取和匹配，,re是Python的


re是Python的一个第三方库。
为了能更直观的看出re的效果，我们先新建一个HTML网页文件（可直接复制）：
index.html

<!DOCTYPE html><html lang="en"><head>    <meta charset="UTF-8">    <title>Title</title></head><body>    <footer>        <div>            <div class="email">                Email:[email protected]            </div>            <div class="tel">                手机号:88888888            </div>        </div>    </footer></body></html>


OK，然后我们进入主题。

re主要有三个功能：提取、匹配、替换。

1、提取findall：

re.findall(【正则表达式】, 【被提取的字符串】)
注意：返回的类型是列表


我们应如何取出上文index.html中的Email或者手机号呢：

import rewith open('index.html', 'r', encoding='utf-8') as f:    # 读取index.html    html = f.read()    # 把html中的换行符，去掉，也就是替换成空字符串，因为.不能匹配到换行符    html = re.sub('\n', '', html)    print(html)    # 定义正则表达式，注意括号    pattern_1 = '<div class="email">(.*?)</div>'    # re.findall(【正则表达式】,【被提取的字符串】)，返回类型是列表    ret_1 = re.findall(pattern_1, html)    # 字符串.strip()，可以去除首位的空格和换行符    print(ret_1[0].strip())

2、匹配match：

re.match(【正则表达式】, 【被匹配的字符串】)
注意：
如果匹配成功，返回<class ‘re.Match‘>对象；
如果匹配不成功，返回None。


我们应如何编写定义密码的正则表达式呢：

import re# 英文字母开头，可包括应为字母，数字、下划线，总位数6-16位password_pattern = r'^[a-zA-Z][a-zA-Z0-9_]{5,15}$'# 定义三个密码pass1 = '1234567'pass2 = 'k123456'pass3 = 'k123'# 打印测试结果，匹配成功返回re.Match对象，不成功返回Noneprint(re.match(password_pattern, pass1))print(re.match(password_pattern, pass2))print(re.match(password_pattern, pass3))

输出结果为：
技术图片

3、替换sub：

re.sub(【正则表达式】, 【替换成的字符串】, 【被匹配的字符串】)
觉得没看过sub的同学，那只能说明你看笔记不认真了，示范代码请看上上文~~

Python爬虫基础——re模块的提取和匹配

相关内容

评论关闭

最新python教程

python~HOT