您好,登錄后才能下訂單哦!
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)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。