python網頁正規表達式_python用正規表達式篩選網頁内容的方法

python用正規表達式篩選網頁内容的方法

釋出時間：2020-09-02 13:47:51

來源：億速雲

閱讀：101

作者：小新

這篇文章主要介紹了python用正規表達式篩選網頁内容的方法，具有一定借鑒價值，需要的朋友可以參考下。希望大家閱讀完這篇文章後大有收獲。下面讓小編帶着大家一起了解一下。

一、正規表達式簡述：

什麼是正規表達式？正規表達式就是可以比對文本片段的模式，最簡單的正規表達式就是一個字元串，用于在文本中比對到此字元串自身。

二、常用正規表達式：

設計正規表達式的時候有幾個注意點如下：

a.特殊符号需要加轉移符：如要比對'china.com'，則正規表達式格式應為'china\\.com'；

b.字元集(使用中括号[]來包含字元串組成字元集)：如[a-z]表示比對從a到z之間的字元；此外，還有一個反轉字元集，使用^符号開頭：如[^abc]表示比對除了a、b、c三個字元之外的字元；

c.選擇符：如要比對'python'和'page'，寫出來的模式為'python|page'，其中‘|’是管道符号；

d.子模式：如‘p(ython|age)’；

e.可選項：在模式後面加上問好(?)，那該模式就變成了可選項，即其可能出現在比對到的字元串中，但是并非必須的，如r'(http://)?(www.)?shuhe.com'可比對的結果有：

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

f.重複子模式：

(pattern)*：允許模式重複0次或多次

(pattern)+：允許模式重複1次或多次

(pattern){m,n}：允許模式重複m~n次

例如：r'w*\.python\.org'比對'www.python.org'、'.python.org'、'wwwwww.python.org'

r'w+\.python\.org'比對'w.python.org'；但不比對'.python.org'

r'w{3,4}\.python\.org'隻能比對'www.python.org'和'wwww.python.org'

三、re模闆的使用：

在python中封裝了一些常用的正規表達式在re模闆中，使用時隻需将該模闆引入到目前項目中即可：

上述是re中常用的正規表達式，使用步驟為：

1.先将正規表達式的字元串形式編譯為Pattern執行個體；

2.然後使用Pattern執行個體處理文本并獲得比對結果(一個Match執行個體)；

3.最後使用Match執行個體獲得資訊，進行其他的操作。

例如：# encoding: UTF-8

import re

# 将正規表達式編譯成Pattern對象

pattern = re.compile(r'hello')

# 使用Pattern比對文本，獲得比對結果，無法比對時将傳回None

match = pattern.match('hello world!')

if match:

# 使用Match獲得分組資訊

print match.group()

### 輸出 ###

# hello

感謝你能夠認真閱讀完這篇文章，希望小編分享python用正規表達式篩選網頁内容的方法内容對大家有幫助，同時也希望大家多多支援億速雲，關注億速雲行業資訊頻道，遇到問題就找億速雲，詳細的解決方法等着你來學習!