Python使用正则表达式获取网页中所需要的信息


Posted in Python onJanuary 29, 2018

使用正则表达式的几个步骤:

1、用import re 导入正则表达式模块;

2、用re.compile()函数创建一个Regex对象;

3、用Regex对象的search()或findall()方法,传入想要查找的字符串,返回一个Match对象;

4、调用Match对象的group()方法,返回匹配到的字符串。

在交互式环境中简单尝试一下,查询字符串中的固话:

import re
 text = '小明家的固话是0755-123456,而小丽家的固话时0789-654321,小王家的电话是123456789'#用于检测的字符串
 ph_re = re.compile(r'\d{4}?-\d+') #创建Regex对象,匹配几种电话的方式,\d表示0-9的数字,{4}表示前面的匹配4次,?表示可选,+表示出现1次或多次。
 matchs1 = ph_re.findall(text) #findall()表示查找所有匹配项,返回一个字符串
 matchs2 = ph_re.search(text)#search(),查找第一次匹配的文本,返回一个对象。
 print(matchs1)
 print(matchs2)
 matchs2.group()

返回的结果,是这样的:

findall()方法返回的是一个字符串,可以直接打印出来。而search()方法返回的是一个对象,所以打印出来的是是如图的第二行。

调用group(),对象返回匹配的结果。

最后,小王的电话之所以没有匹配到,是因为'-'没有进行可选即在其后加上‘?'。

下面进行一个小的实验,获取某个网页中所有的http/https网址,并计算有多少个。

首先是获取HTML文件。这里要用到requests模块。

# -*- coding: utf-8 -*-
 import requests
 import re
 def get_html(url):
  res = requests.get(url)
  res.encoding = 'utf-8'
  html = res.text
  return html

这里get_html函数返回的,其实就类似上面例子中的text,用来匹配的文本。

然后,创建正则表达式:

def get_addr(response):
  addr_regex = re.compile(r'''(
   (http://|https://)?#http/https
   (www)?
   (\.[a-z1-9A-Z]+)
   (\.com|\.cn)
   )''',re.VERBOSE)#匹配网址,
  matchs = []
  for groups in addr_regex.findall(response):
   matchs.append(groups[0])
  if len(matchs) == 0:
   print('没有网址')  
  return matchs

这里向re.compile(),传入变量re.VERBOSE,作为第二个参数,可以将正则表达式放在多行,并进行注释,如上。

返回一个matchs列表对象。

再来个启动函数。

def start():
  url = 'http://news.163.com/18/0127/18/D966K4CO0001899N.html'
  a = get_html(url)
  b = get_addr(a)
  print('\n'.join(b))
  print(str(len(b)))
  print('ok')
if __name__ == '__main__':
  start()

这里传入的url是我随意找的一个新闻链接。

然后调用get_html()get_addr(),就得到了想要的东西。str(len(b)),为统计的数量。

测试的结果是类似这样的:

这里似乎获取一些URL,没什么卵用。。。但是,如果结合前面的查询新闻列表的方式,获取批量url,

而创建的正则是xxx.jpg,然后调用os模块,os.mkdir(folder)、os.chdir(folder),将获取到的匹配结果写入文件,放入某个文件夹。

那么就可以实现,从某些网站上批量获取jpg图片,然后存入某个文件夹的爬虫功能。实测,可行!

总结

以上所述是小编给大家介绍的Python使用正则获取网页中所需要的信息,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对三水点靠木网站的支持!

Python 相关文章推荐
Python FTP操作类代码分享
May 13 Python
Python实现在tkinter中使用matplotlib绘制图形的方法示例
Jan 18 Python
Python爬虫框架scrapy实现downloader_middleware设置proxy代理功能示例
Aug 04 Python
Python秒算24点实现及原理详解
Jul 29 Python
使用selenium和pyquery爬取京东商品列表过程解析
Aug 15 Python
python无序链表删除重复项的方法
Jan 17 Python
win10安装tensorflow-gpu1.8.0详细完整步骤
Jan 20 Python
python re模块匹配贪婪和非贪婪模式详解
Feb 11 Python
python 负数取模运算实例
Jun 03 Python
Django nginx配置实现过程详解
Sep 10 Python
python 解决函数返回return的问题
Dec 05 Python
Python 的 sum() Pythonic 的求和方法详细
Oct 16 Python
python实现K最近邻算法
Jan 29 #Python
python简单实现操作Mysql数据库
Jan 29 #Python
Django框架教程之正则表达式URL误区详解
Jan 28 #Python
python通过百度地图API获取某地址的经纬度详解
Jan 28 #Python
python中的随机函数小结
Jan 27 #Python
python中的随机函数random的用法示例
Jan 27 #Python
Python闭包之返回函数的函数用法示例
Jan 27 #Python
You might like
mayfish 数据入库验证代码
2010/04/30 PHP
深入解析yii权限分级式访问控制的实现(非RBAC法)
2013/06/13 PHP
Thinkphp搭建包括JS多语言的多语言项目实现方法
2014/11/24 PHP
迁移PHP版本到PHP7
2015/02/06 PHP
PHP中使用curl伪造IP的简单方法
2015/08/07 PHP
nginx 设置多个站跨域
2021/03/09 Servers
编写自己的jQuery插件简单实现代码
2011/04/19 Javascript
通过js获取div的background-image属性
2013/10/15 Javascript
Javascript前端UI框架Kit使用指南之Kitjs简介
2014/11/28 Javascript
JS截取字符串实例详解
2015/11/24 Javascript
JavaScript学习笔记之数组去重
2016/03/23 Javascript
为什么JavaScript没有块级作用域
2016/05/22 Javascript
JavaScript实现简单的日历效果
2016/09/25 Javascript
js 获取本地文件及目录的方法(推荐)
2016/11/10 Javascript
three.js快速入门【推荐】
2017/01/21 Javascript
jQuery快速实现商品数量加减的方法
2017/02/06 Javascript
swiper Scrollbar滚动条组件详解
2019/09/08 Javascript
Jquery属性的获取/设置及样式添加/删除操作技巧分析
2019/12/23 jQuery
vue实现自定义多选按钮
2020/07/16 Javascript
原生js实现无缝轮播图效果
2021/01/28 Javascript
[51:36]Optic vs Newbee 2018国际邀请赛小组赛BO2 第一场 8.17
2018/08/18 DOTA
django上传图片并生成缩略图方法示例
2017/12/11 Python
Python自定义函数实现求两个数最大公约数、最小公倍数示例
2018/05/21 Python
python实现监控某个服务 服务崩溃即发送邮件报告
2018/06/21 Python
python实现字符串加密 生成唯一固定长度字符串
2019/03/22 Python
Python绘制堆叠柱状图的实例
2019/07/09 Python
Django自定义全局403、404、500错误页面的示例代码
2020/03/08 Python
django-利用session机制实现唯一登录的例子
2020/03/16 Python
花园仓库建筑:Garden Buildings Direct
2018/02/16 全球购物
中文专业毕业生自荐书范文
2014/01/04 职场文书
旅游业大学生创业计划书
2014/01/31 职场文书
秘书英文求职信
2014/04/16 职场文书
暑期教师培训方案
2014/06/07 职场文书
原料仓仓管员岗位职责
2014/07/08 职场文书
公司的门卫岗位职责
2014/09/09 职场文书
感恩主题班会教案
2015/08/12 职场文书