python用正則表達(dá)式篩選網(wǎng)頁(yè)內(nèi)容的方法

這篇文章主要介紹了python用正則表達(dá)式篩選網(wǎng)頁(yè)內(nèi)容的方法，具有一定借鑒價(jià)值，需要的朋友可以參考下。希望大家閱讀完這篇文章后大有收獲。下面讓小編帶著大家一起了解一下。

一、正則表達(dá)式簡(jiǎn)述：

什么是正則表達(dá)式？正則表達(dá)式就是可以匹配文本片段的模式，最簡(jiǎn)單的正則表達(dá)式就是一個(gè)字符串，用于在文本中匹配到此字符串自身。

二、常用正則表達(dá)式：

設(shè)計(jì)正則表達(dá)式的時(shí)候有幾個(gè)注意點(diǎn)如下：

a.特殊符號(hào)需要加轉(zhuǎn)移符：如要匹配'china.com'，則正則表達(dá)式格式應(yīng)為'china\\.com'；

b.字符集（使用中括號(hào)[]來(lái)包含字符串組成字符集）：如[a-z]表示匹配從a到z之間的字符；此外，還有一個(gè)反轉(zhuǎn)字符集，使用^符號(hào)開頭：如[^abc]表示匹配除了a、b、c三個(gè)字符之外的字符；

c.選擇符：如要匹配'python'和'page'，寫出來(lái)的模式為'python|page'，其中‘|’是管道符號(hào)；

d.子模式：如‘p(ython|age)’；

e.可選項(xiàng)：在模式后面加上問(wèn)好(?)，那該模式就變成了可選項(xiàng)，即其可能出現(xiàn)在匹配到的字符串中，但是并非必須的，如r'(http://)?(www.)?shuhe.com'可匹配的結(jié)果有：

http://www.shuhe.com、http://shuhe.com、www.shuhe.com、shuhe.com

f.重復(fù)子模式：

(pattern)*：允許模式重復(fù)0次或多次

(pattern)+：允許模式重復(fù)1次或多次

(pattern){m,n}：允許模式重復(fù)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'

三、re模板的使用：

在python中封裝了一些常用的正則表達(dá)式在re模板中，使用時(shí)只需將該模板引入到當(dāng)前項(xiàng)目中即可：

上述是re中常用的正則表達(dá)式，使用步驟為：

1.先將正則表達(dá)式的字符串形式編譯為Pattern實(shí)例；

2.然后使用Pattern實(shí)例處理文本并獲得匹配結(jié)果（一個(gè)Match實(shí)例）；

3.最后使用Match實(shí)例獲得信息，進(jìn)行其他的操作。

例如：

# encoding: UTF-8  
import re  
   
# 將正則表達(dá)式編譯成Pattern對(duì)象  
pattern = re.compile(r'hello')  
   
# 使用Pattern匹配文本，獲得匹配結(jié)果，無(wú)法匹配時(shí)將返回None  
match = pattern.match('hello world!')  
   
if match:  
    # 使用Match獲得分組信息  
    print match.group()  
   
### 輸出 ###  
# hello

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享python用正則表達(dá)式篩選網(wǎng)頁(yè)內(nèi)容的方法內(nèi)容對(duì)大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，遇到問(wèn)題就找億速云，詳細(xì)的解決方法等著你來(lái)學(xué)習(xí)!