爬虫04

python中的re模块

findall

import re

# findall: 匹配字符串中所有符合正则的内容 前面pattern是正则表达式 后面string是字符串
lst = re.findall(r"\d+", "花花的电话是125486，春卷的电话是885234")  # r放前面是防止转义
print(lst)  # ['125486', '885234']

---

finditer

# finditer:匹配字符串中的所有内容，返回的是迭代器,从迭代器中拿内容需要.group()
it = re.finditer(r"\d+", "花花的电话是125486，春卷的电话是885234")
print(it) # 可以看到返回的是迭代器 <callable_iterator object at 0x00000201398A9190>

# 从迭代器中拿东西
for i in it:
    print(i.group())  # 125486
                      # 885234

---

search

# search 找到一个结果就返回，返回的结果是match对象，拿数据需要.group() 
s = re.search(r"\d+", "花花的电话是125486，春卷的电话是885234")
print(s.group())  # 125486

---

match

# match是从头开始匹配 search是全文匹配，默认会在正则前加个^,即"\d+"，在match中默认为"^\d+"
s = re.match(r"\d+", "花花的电话是125486，春卷的电话是885234")
print(s.group())  # 会报错，需要把非数字删掉

---

compile

# 预加载正则表达式
obj = re.compile(r"\d+")

ret = obj.finditer("花花的电话是125486，春卷的电话是885234")
for it in ret:
    print(it.group())   # 125486
                      # 885234

obj就代表着那个\d+正则表达式，可以反复重复用obj

---

从匹配的内容再筛选

s = """
<div class='fa'><span id='1'>草草</span></div>
<div class='sb'><span id='2'>狗狗</span></div>
<div class='xx'><span id='3'>猫猫</span></div>
<div class='ll'><span id='4'>企鹅</span></div>
"""

# (?P<分组名字>正则)这样就可以单独从正则匹配的内容中提取到更精简的内容
obj = re.compile(r"<div class='.*?'><span id='\d+'>(?P<hhh>.*?)</span></div>", re.S)  # re.S:让.能匹配换行符
# pattern是正则，string是字符串，flag就是状态位，在正则匹配的时候可以嵌入一些规则

ret = obj.finditer(s)
for it in ret:
    print(it.group("hhh"))

标签：group,04,爬虫,re,125486,print,obj,885234
来源： https://www.cnblogs.com/aowei/p/16687049.html