Python爬虫基础——正则表达式

2024-09-01 22:22:55

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：

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}$'
或password pattern='^[a-zA-Z][a-zA-Z0-9_]{5-15}$'
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。

最新文章

热门文章