Python使用正則表達式獲取網(wǎng)頁中所需要的信息

使用正則表達式的幾個步驟：
1、用import re 導(dǎo)入正則表達式模塊；
2、用re.compile()函數(shù)創(chuàng)建一個Regex對象；
3、用Regex對象的search()或findall()方法，傳入想要查找的字符串，返回一個Match對象；
4、調(diào)用Match對象的group()方法，返回匹配到的字符串。
在交互式環(huán)境中簡單嘗試一下，查詢字符串中的固話：    
import re
text = '小明家的固話是0755-123456，而小麗家的固話時0789-654321，小王家的電話是123456789'#用于檢測的字符串
ph_re = re.compile(r'\d{4}?-\d+') #創(chuàng)建Regex對象，匹配幾種電話的方式，\d表示0-9的數(shù)字，{4}表示前面的匹配4次，？表示可選，+表示出現(xiàn)1次或多次。
matchs1 = ph_re.findall(text) #findall()表示查找所有匹配項，返回一個字符串
matchs2 = ph_re.search(text)#search(),查找第一次匹配的文本，返回一個對象。
print(matchs1)
print(matchs2)
matchs2.group()
返回的結(jié)果，是這樣的：
findall()方法返回的是一個字符串，可以直接打印出來。而search()方法返回的是一個對象，所以打印出來的是是如圖的第二行。
調(diào)用group()，對象返回匹配的結(jié)果。
最后，小王的電話之所以沒有匹配到，是因為'-'沒有進行可選即在其后加上‘？'。
下面進行一個小的實驗，獲取某個網(wǎng)頁中所有的http/https網(wǎng)址，并計算有多少個。
首先是獲取HTML文件。這里要用到requests模塊。    
# -*- coding: utf-8 -*-
import requests
import re
def get_html(url):
 res = requests.get(url)
 res.encoding = 'utf-8'
 html = res.text
 return html
這里get_html函數(shù)返回的，其實就類似上面例子中的text，用來匹配的文本。
然后，創(chuàng)建正則表達式：    
def get_addr(response):
  addr_regex = re.compile(r'''(
   (http://|https://)?　　#http/https
   (www)?
   (\.[a-z1-9A-Z]+)
   (\.com|\.cn)
   )''',re.VERBOSE)#匹配網(wǎng)址，
  matchs = []
  for groups in addr_regex.findall(response):
   matchs.append(groups[0])
  if len(matchs) == 0:
   print('沒有網(wǎng)址')  
  return matchs
這里向re.compile(),傳入變量re.VERBOSE，作為第二個參數(shù)，可以將正則表達式放在多行，并進行注釋，如上。
返回一個matchs列表對象。
再來個啟動函數(shù)。    
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()
這里傳入的url是我隨意找的一個新聞鏈接。
然后調(diào)用get_html()和get_addr()，就得到了想要的東西。str(len(b))，為統(tǒng)計的數(shù)量。
測試的結(jié)果是類似這樣的：
這里似乎獲取一些URL，沒什么卵用。。。但是，如果結(jié)合前面的查詢新聞列表的方式，獲取批量url，
而創(chuàng)建的正則是xxx.jpg，然后調(diào)用os模塊，os.mkdir(folder)、os.chdir(folder)，將獲取到的匹配結(jié)果寫入文件，放入某個文件夾。
那么就可以實現(xiàn)，從某些網(wǎng)站上批量獲取jpg圖片，然后存入某個文件夾的爬蟲功能。實測，可行！
總結(jié)
以上所述是小編給大家介紹的Python使用正則獲取網(wǎng)頁中所需要的信息，希望對大家有所幫助