首页 > 编程语言 > 详细

Python爬虫基础——正则表达式

时间:2019-12-20 02:04:32      阅读:115      评论:0      收藏:0      [点我收藏+]

说到爬虫,不可避免的会牵涉到正则表达式。
因为你需要清晰地知道你需要爬取什么信息?它们有什么共同点?可以怎么去表示它们?
而这些,都需要我们熟悉正则表达,才能更好地去提取。


先简单复习一下各表达式所代表的意思:
技术分享图片
技术分享图片

案例:

  • 定义密码的正则表达式:
    英文字母开头,可以包括数字、大小写英文字母、下划线,6-16位。
    表达式为:
    password_pattern=‘^[a-zA-Z]{1}[a-zA-Z0-9_]{5-15}$‘
    password pattern=‘^[a-zA-Z][a-zA-Z0-9_]{5-15}$‘

  • 匹配div标签,class="class1"中的文本内容:
    <div class="class1">要匹配的内容</div>
    表达式为:
    div_pattern1=‘<div class="class1">(.*)</div>‘

  • 匹配div标签中div标签,class="class1"中的文本内容:
    <div><div class="class1">要匹配的内容</div></div>
    表达式为:
    div_pattern1=‘<div class="class1">(.*?)</div>‘

注意:?的作用是关闭贪婪模式,如果去掉?,则会匹配出要匹配的内容</div>字符串。

Python爬虫基础——正则表达式

原文:https://www.cnblogs.com/WoLykos/p/12070726.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!