江苏龙网

  1. 主页 > 生活百科 > >

Python正则表达式详解( 三 )

Python正则表达式


全局匹配格式
re.compile(正则表达式).findall(数据)string1 = "a**fewfaaa"pat1 = "d.*?a"ret=re.compile(pat1).findall(string1)print(ret)结果['da']在码文中的一些杂乱代码
import re#引用re'''string = "shentouyun"#定义整段 ， 普通字符作为原子pat = "yun"#提取yunret = re.search(pat,string)#第一个参数为提取 ， 第二个为整个字段print(ret)#输出matchsubsearch全局匹配string = "SheSnTouYunYS"pat="s.*S"#贪婪模式找到最后一个spat1="s.*?S"#懒惰模式,特征为？ ， 找到一个y就不往下找了ret = re.search(pat,string,re.I)ret1 = re.search(pat1,string,re.I)print(ret)print(ret1)'''首先预热下 ， 爬取豆瓣首页
导入urllib库下的request
import urllib.request使用下urlopen打开网站返回html
urllib.request.urlopen("https://www.douban.com/")读一下看看拿到了什么东西 ， 使用read( ) ， 并给douban保存方便再GUI里调用
douban = urllib.request.urlopen("https://www.douban.com/").read()可以独立尝试 ， 会非常卡 。简单点是用len看字节
>>> len(douban)105653 
爬取豆瓣评论
导入正则模块（re）
import re写了个例子
#豆瓣评论爬取小例子import urllib.requestimport redouban = urllib.request.urlopen("https://movie.douban.com/subject/27199913/?from=showing").read().decode("UTF-8")pat = '<span class="short">.*?</span>'rst = re.compile(pat).findall(douban)print(rst[0])引用decode("UTF-8")对其解码为utf-8
正则为
<span class="short">(.*?)</span>如何写正则与本例的细节
打开网站
https://movie.douban.com/subject/27199913/?from=showing右键源代码
发现评论格式为
<span class="short">就是山西版本的《两杆大烟枪》或者说《疯狂的石头》 ， 将山西风光和特色与影片融合的很好 ， 虽然还是有所瑕疵 ， 也难逃一些俗套烂大街的剧情和段子 ， 但是还可以 。</span>所有评论被标签包裹 ， 可以进行抓取 ， 使用懒惰模式进行操作 。
<span class="short">.*?</span>"."全匹配 ， 其细节为标签里有双引号 ， 我们再写正则时使用单引号括起来 ， 不要再使用双引号了 。
写循环把东西都显示出来
for i in range(0,len(rst)): print(rst[i])运行为
>>> ================================ RESTART ================================>>>['一直很喜欢这种结构的电影 ， 一圈圈地放出线团 ， 再一段段收回 ， 圆融又宿命 。以山西籍为主的演员都挺走心的 ， 生活的鸡飞狗走很是活灵活现 ， 而且骆达华的出场太惊喜 。导演说是改编太贵 ， 索性自己写 。但要是看过《提着心吊着胆》 ， 会发现许多元素重合度很高 ， 比如生意惨淡的饭店、存在问题的夫妇、警察、笨贼、拜金女、装大款……就连意外之财也是丢在饭店里 。电影结尾顾虑较多 ， 但整体完成度与幽默感不差 。@平遥 ， 特意买票支持 ， 却来...', '算是一部跟期待打平的作品吧 ， 中规中矩 ， 没有惊艳 ， 王大治倒是真有那么几分长相之外的亮点 。故事一圈圈闪回 ， 重复的部分有点多 ， 生怕观众跟不上这个倒叙+插叙的节奏似的 。四川话河南话陕西话山西话一锅烩 ， 泱泱大中华式的热闹 。想要揭示人心叵测 ， 但终归是浅了一点 。【平遥电影节2018.10.19', '这种结构挺好', '审美疲劳 ， 这种太多了 ， 都大同小异 。从每组人物的角度 ， 反复讲同一个事 。国产电影里的歹徒劫匪都是来搞笑的 ， 都是** ， 呵呵 。', '巧就巧在结构上 。']一直很喜欢这种结构的电影 ， 一圈圈地放出线团 ， 再一段段收回 ， 圆融又宿命 。以山西籍为主的演员都挺走心的 ， 生活的鸡飞狗走很是活灵活现 ， 而且骆达华的出场太惊喜 。导演说是改编太贵 ， 索性自己写 。但要是看过《提着心吊着胆》 ， 会发现许多元素重合度很高 ， 比如生意惨淡的饭店、存在问题的夫妇、警察、笨贼、拜金女、装大款……就连意外之财也是丢在饭店里 。电影结尾顾虑较多 ， 但整体完成度与幽默感不差 。@平遥 ， 特意买票支持 ， 却来...算是一部跟期待打平的作品吧 ， 中规中矩 ， 没有惊艳 ， 王大治倒是真有那么几分长相之外的亮点 。故事一圈圈闪回 ， 重复的部分有点多 ， 生怕观众跟不上这个倒叙+插叙的节奏似的 。四川话河南话陕西话山西话一锅烩 ， 泱泱大中华式的热闹 。想要揭示人心叵测 ， 但终归是浅了一点 。【平遥电影节2018.10.19这种结构挺好审美疲劳 ， 这种太多了 ， 都大同小异 。从每组人物的角度 ， 反复讲同一个事 。国产电影里的歹徒劫匪都是来搞笑的 ， 都是** ， 呵呵 。巧就巧在结构上 。>>>


推荐阅读


上一篇：什么是白茶 白茶的保健功效

下一篇：什么是芹素茶 芹素茶功效有哪些