python怎么用正则表达式筛选网页内容
一、正则表达式简述:
什么是正则表达式?正则表达式就是可以匹配文本片段的模式,最简单的正则表达式就是一个字符串,用于在文本中匹配到此字符串自身。
二、常用正则表达式:
设计正则表达式的时候有几个注意点如下:
a.特殊符号需要加转移符:如要匹配'china.com',则正则表达式格式应为'china.com';
b.字符集(使用中括号[]来包含字符串组成字符集):如[a-z]表示匹配从a到z之间的字符;此外,还有一个反转字符集,使用^符号开头:如[^abc]表示匹配除了a、b、c三个字符之外的字符;
c.选择符:如要匹配'python'和'page',写出来的模式为'python|page',其中‘|’是管道符号;
d.子模式:如‘p(ython|age)’;
e.可选项:在模式后面加上问好(?),那该模式就变成了可选项,即其可能出现在匹配到的字符串中,但是并非必须的,如r'(http://)?(www.)?shuhe.com'可匹配的结果有:
http://www.shuhe.com、http://shuhe.com、www.shuhe.com、shuhe.com
f.重复子模式:
(pattern)*:允许模式重复0次或多次
(pattern)+:允许模式重复1次或多次
(pattern){m,n}:允许模式重复m~n次
例如:
r'w*.python.org'匹配'www.python.org'、'.python.org'、'wwwwww.python.org'r'w+.python.org'匹配'w.python.org';但不匹配'.python.org'
r'w{3,4}.python.org'只能匹配'www.python.org'和'wwww.python.org'
相关推荐:《Python入门教程》
三、re模板的使用:
在python中封装了一些常用的正则表达式在re模板中,使用时只需将该模板引入到当前项目中即可:
上述是re中常用的正则表达式,使用步骤为:
1.先将正则表达式的字符串形式编译为Pattern实例;
2.然后使用Pattern实例处理文本并获得匹配结果(一个Match实例);
3.最后使用Match实例获得信息,进行其他的操作。
例如:
# encoding: UTF-8import re
# 将正则表达式编译成Pattern对象
pattern = re.compile(r'hello')
# 使用Pattern匹配文本,获得匹配结果,无法匹配时将返回None
match = pattern.match('hello world!')
if match:
# 使用Match获得分组信息
print match.group()
### 输出 ###
# hello
以上是 python怎么用正则表达式筛选网页内容 的全部内容, 来源链接: utcz.com/z/524059.html