Python使用正则表达式获取网页中所需要的信息

脚本专栏 2024/10/2 佚名

2 0 1

神剑山庄资源网 Design By www.hcban.com

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}"htmlcode">

 # -*- 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://)"htmlcode">

 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()和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网站的支持！