这篇教程Python正则表达式re.compile()和re.findall()详解写得很实用，希望能帮到您。
前言在使用爬虫提取网页中的部分信息时，采用到了re.compile()与re.findall()两种方法，目的：把网页中的“某某城市土地规划表”截取并打印出来.
网页中的代码： <span class='tab-details'>某某城市土地规划表</span>
提取的方法：def parse_response(html): pattern = re.compile('class=/'tab-details/'>(.*?)</span>',re.S) items = re.findall(pattern,html) print(items) return items结果： ['某某城市土地规划表']
这里主要讲解pattern，re.compile()与re.findall()的定义及用法： 1.pattern ：pattern 属性规定用于验证输入字段的正则表达式。 2.re.compile()：compile() 方法用于在脚本执行过程中编译正则表达式，也可用于改变和重新编译正则表达式。 举例：在字符串中全局搜索 "man"，并用 "person" 替换。然后通过 compile() 方法，改变正则表达式，用 "person" 替换 "man" 或 "woman"，： <script type="text/javascript">var str="Every man in the world! Every woman on earth!"; patt=/man/g;str2=str.replace(patt,"person");//用person取代mandocument.write(str2+"<br />"); patt=/(wo)?man/g;patt.compile(patt);str2=str.replace(patt,"person");//用person取代man或者womandocument.write(str2); </script> 输出：（可见第一行中的man都被person取代，出现了woperson,第二行的的man和woman也被person取代，只有person，没有其他奇奇怪怪的字符串） Every person in the world! Every woperson on earth!
Every person in the world! Every person on earth!
3.re.findall()：额，这个最难搞，主要是为了讲解（.*？) re.findall()函数是返回某种形式(比如String)中所有与pattern匹配的全部字符串,返回形式为数组。 下面是findall()函数的两种表示形式:(上面的代码采取的便是第二种形式）： import rekk = re.compile(r'/d+')kk.findall('one1two2three3four4')#[1,2,3,4] #注意此处findall()的用法，可传两个参数;kk = re.compile(r'/d+')re.findall(kk,"one123")#[1,2,3]下面的是常用的正则表达式： import re str = 'aabbabaabbaa' # 一个"."就是匹配除 /n (换行符)以外的任意一个字符print(re.findall(r'a.b',str))#['aab', 'aab'] # *前面的字符出现0次或以上print(re.findall(r'a*b',str))#['aab', 'b', 'ab', 'aab', 'b'] # 贪婪，匹配从.*前面为开始到后面为结束的所有内容print(re.findall(r'a.*b',str))#['aabbabaabb'] # 非贪婪，遇到开始和结束就进行截取，因此截取多次符合的结果，中间没有字符也会被截取print(re.findall(r'a.*?b',str))#['aab', 'ab', 'aab'] # 非贪婪，与上面一样，只是与上面的相比多了一个括号，只保留括号的内容print(re.findall(r'a(.*?)b',str))#['a', '', 'a'] str = '''aabbab aabbaa bb''' #后面多加了2个b # 没有把最后一个换行的aab算进来print(re.findall(r'a.*?b',str))#['aab', 'ab', 'aab'] # re.S不会对/n进行中断print(re.findall(r'a.*?b',str,re.S))#['aab', 'ab', 'aab', 'aa/n b'] 注意'.*?'是对它的前后部分作为开始结束部分进行截取，而'(.*?)'也是把其前后作为开始结束，但是只截取括号部分，不包含开始结束部分！！！（同时在对前后部分的选择时要注意特征明确点，就是与众不同的的嘛，防止截取出的是其他部分啊）
re.findall中参数re.S的意义：1.字符串变为（后面多加了2个b） str = '''aabbab aabbaa bb''' 2.参数无re.S，没有把最后一个换行的aab算进来 print(re.findall(r'a.*?b',str))#['aab', 'ab', 'aab'] 3.参数有re.S，不会对/n进行中断 print(re.findall(r'a.*?b',str,re.S))#['aab', 'ab', 'aab', 'aa/n b'] 在我们一开始的代码中就有re.s,因为在爬取网页的内容时是按照一个一个块的来爬取，可以理解为并列部分，会存在/n分行符。 def parse_response(html): pattern = re.compile('class=/'tab-details/'>(.*?)</span>',re.S) items = re.findall(pattern,html) print(items) return items
参考：1.HTML input pattern 属性 2.Pattern用法(正则表达式) 3.JavaScript compile() 方法 4.Python 正则表达re模块之findall()详解
总结到此这篇关于Python正则表达式re.compile()和re.findall()的文章就介绍到这了,更多相关Python正则re.compile()和re.findall()内容请搜索wanshiok.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持wanshiok.com！
使用python爬虫实现子域名探测问题
19个Python |
