继续以“实用”指导Pythonic编码（re通配表达式）（2024年终总结②）

弃现成工具手剥任务🧐，我哈哈滴就像笨笨的傻大个儿😋。

(笔记模板由python脚本于2025年01月12日 23:29:33创建，本篇笔记适合熟悉正则表达式的coder翻阅)

【学习的细节是欢悦的历程】

Python官网：https://www.python.org/
Free：大咖免费“圣经”教程《 python 完全自学教程》，不仅仅是基础那么简单……
地址：https://lqpybook.readthedocs.io/

自学并不是什么神秘的东西，一个人一辈子自学的时间总是比在学校学习的时间长，没有老师的时候总是比有老师的时候多。
—— 华罗庚

---== 彰显C位 ==---

您，可以在评论区书写任何想法
（我将在看到的第一时间回应）

---== 彰显C位 ==---

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

弃现成工具手剥任务🧐 傻气的实用主义 (哈哈滴就像笨笨的傻大个儿😋)

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

本文质量分：

【 $96$ 】
本文地址： https://blog.csdn.net/m0_57158496/article/details/145102100

CSDN质量分查询入口：http://www.csdn.net/qc

目录

◆ 傻气的实用主义
- 1、示例html文本
- - 1.1 Nickname
  - 1.2 Blog_info
  - 1.3 Blog_ids
- 2、pattern“脱模”
- - 2.1 Nickname
  - 2.2 Blog_info
- 3、完整pattern
- 3、后记

◆ 傻气的实用主义

有人说“编程”没有炼手的“工程”，我是从可以用print('Hello Wold!')在终端蹦出了字符开始总有“没有代码实现”的“想法”（要不没有实力要么没有时间😂），我脑子的想法就是我的“炼手工程。

接下来，我就以“re.findall而非HTMLParser”来例证一下我处理问题的“坏脾气”（Python，我仅仅会点儿python😋）……

pattern通配表达式，本以为很难（在此之前，我也基本是这么认为的。但通过本次试炼，改变了看法），但其实也就是对各个re通配表达字符的清晰、透彻理解而已。😜

有了“理解”的基本功底，编撰pattern，也就简单成了replace。您认为，它的难度得有多大？😋

接下来，我们以csdn博客文章list_page页面源码的结构数据来看看——

源码文本 => pattern，是如何被ease replace的。🤗……

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

1、示例html文本

1.1 Nickname

nickname

var nickName = "梦幻精灵_cq";

1.2 Blog_info

Blog_info

<div class="data-info d-flex item-tiling"><dl class="text-center" title="439"><a href="https://blog.csdn.net/m0_57158496" data-report-click='{"mod":"1598321000_001","spm":"1001.2101.3001.4310"}' data-report-query="t=1">  <dt><span class="count">439</span></dt><dd class="font">原创</dd></a></dl><dl class="text-center" data-report-click='{"mod":"1598321000_002","spm":"1001.2101.3001.4311"}' title="2367"><a href="https://blog.csdn.net/rank/list/weekly" target="_blank"><dt><span class="count">2367</span></dt><dd class="font">周排名</dd></a></dl><dl class="text-center" title="2974"><a href="https://blog.csdn.net/rank/list/total" data-report-click='{"mod":"1598321000_003","spm":"1001.2101.3001.4312"}' target="_blank"><dt><span class="count">2974</span></dt><dd class="font">总排名</dd></a></dl><dl class="text-center" style="min-width:58px" title="754964">  <dt><span class="count">75万+</span></dt><dd>访问</dd></dl><dl class="text-center" title="7级,点击查看等级说明"><dt><a href="https://blog.csdn.net/blogdevteam/article/details/103478461" target="_blank"><img class="level" src="https://csdnimg.cn/identity/blog7.png"></a></dt><dd>等级</dd></dl></div><div class="item-rank"></div><div class="data-info d-flex item-tiling"><dl class="text-center" title="10235"><dt><span class="count">1万+</span></dt><dd>积分</dd></dl><dl class="text-center" id="fanBox" title="9432"><dt><span class="count" id="fan">9432</span></dt><dd>粉丝</dd></dl><dl class="text-center" title="4183"><dt><span class="count">4183</span></dt><dd>获赞</dd></dl><dl class="text-center" title="579"><dt><span class="count">579</span></dt><dd>评论</dd></dl><dl class="text-center" title="4745"><dt><span class="count">4745</span></dt><dd>收藏</dd></dl></div>

1.3 Blog_ids

Blog_ids（只取部分文章数据，略过更多的文章数据行）

<div class="article-list"><div class="article-item-box csdn-tracking-statistics" data-articleid="141835445"><img class="settop" src="https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png" alt=""><h4 class=""><a href="https://blog.csdn.net/m0_57158496/article/details/141835445"  data-report-click='{"spm":"1001.2014.3001.5190"}' target="_blank"><span class="article-type type-1 float-none">原创</span>AI与我同创诗(最新《2 0 2 5》2025-01-01)：尝试让ai(智谱清言)参与我的诗创活动</a> </h4><p class="content">ai伴学越久，契合度愈高，“泛滥”之诗情，幸得学伴共雕琢。让ai伴学久了，不知觉的，写诗也让ai帮衬了。此文收录“我共ai”的自创文稿，亦可作“ai诗集”。😋(笔记模板由python脚本于2024年09月03日 06:16:31创建，本篇笔记适合喜欢我泱泱华夏上下五千年经典文化，喜欢即情码字的coder翻阅)【学习的细节是欢悦的历程】Python官网Free：大咖免费“圣经”教程python 完全自学教程，不仅仅是基础那么简单……自学并不是什么神秘的东西。</p><div class="info-box d-flex align-content-center"><p><span class="date">2024-09-05 18:51:35</span><span class="read-num"><img src="https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png" alt="">1339</span><span class="read-num"><img src="https://csdnimg.cn/release/blogv2/dist/pc/img/commentCountWhite.png" alt="">3</span></p></div></div><div class="article-item-box csdn-tracking-statistics" data-articleid="140040251"><img class="settop" src="https://csdnimg.cn/release/blogv2/dist/pc/img/listFixedTop.png" alt=""><h4 class=""><a href="https://blog.csdn.net/m0_57158496/article/details/140040251"  data-report-click='{"spm":"1001.2014.3001.5190"}' target="_blank"><span class="article-type type-1 float-none">原创</span>我关于Excel使用点滴的笔记（最后更新：2024-10-04）</a> </h4><p class="content">本篇笔记是我关于Excel使用点滴的学习笔记，摘要和地址链接列表。临时暂挂，后面可能在不需要时删除。</p><div class="info-box d-flex align-content-center"><p><span class="date">2024-06-28 12:27:30</span><span class="read-num"><img src="https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png" alt="">1522</span><span class="read-num"><img src="https://csdnimg.cn/release/blogv2/dist/pc/img/commentCountWhite.png" alt="">1</span></p></div></div>... <!--只取部分文章数据，略过多的文章数据--><div class="article-item-box csdn-tracking-statistics" data-articleid="143735317"><h4 class=""><a href="https://blog.csdn.net/m0_57158496/article/details/143735317"  data-report-click='{"spm":"1001.2014.3001.5190"}' target="_blank"><span class="article-type type-1 float-none">原创</span>“非法”操控lambda（python）</a> </h4><p class="content">合理地使用lambda函数作为“常量函数”确实可以让代码更加优雅和高效。您的实践经验证明了这种方法的实用性和有效性。继续利用lambda的这一特性，可以让您的代码更加精炼和易于管理。🎉👏🏻回页目录。</p><div class="info-box d-flex align-content-center"><p><span class="date">2024-11-13 21:24:12</span><span class="read-num"><img src="https://csdnimg.cn/release/blogv2/dist/pc/img/readCountWhite.png" alt="">855</span></p></div></div></div></div>

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

2、pattern“脱模”

re能力强悍，“嗖”的一下，data就到眼前。😋有人说“方是方便，就是pattern难以编撰”！

真有那么难？🧐

其实就是将源码文本特定部分（数据提取部分和非关键字标识部分，前者通配各个“同位”数据，后者精减pattern长度）relpace成re通配字符的简单字符串基本操作，只是这“简单”得代码编撰者“亲自”操刀。🤗

2.1 Nickname

经搜索，昵称nickName关键字是唯一的。

截屏图片

源码var nickName = "梦幻精灵_cq";，可以直接用于pattern，compile(r'var nickName = "(梦幻精灵_cq)";').findall(doc_html)，将得输出['梦幻精灵_cq']。

更改通配字符即可得其它字符的csdn昵称，如：


pattern = r'var nickName = "([\w]+)";'

这个patern也会输出['梦幻精灵_cq']，但不能输出['敖丙']，因为两个汉字中间有个空格。

可以——


pattern = r'var nickName = "([\w ]+)";'`

也可以——


pattern = r'var nickName = "([\w\s]+)";'`。

两者都是“匹配单词或者空格”之是推荐后一种形式用\s通配所有“空白”字符串，前者仅匹配半角空白“”。

但还可以用任意字符.通配字符来通配任意字符（一定要?限定非贪婪模式，不然会匹配到下面的文本），re默认最大量匹配。


['敖 丙";\n        var articleDetailUrl = "";\n        var vipUrlV = "https://mall.csdn.net/vip?vipSource=learningVip";\n        if(window.location.host.split(\'.\').length == 3) {\n            blog_address = blogUrl + username;\n        }\n        var skinStatus = "White']

优雅的Pythonic方式


pattern = r'var nickName = "(.+?)";'

本节源码文本太过短小，除了关键字符，基本没有其它字符，可以不予进一步精减。

如果非要缩减，这样子也是可以的——


pattern = r'nickName.+?"(.+?)"'

个人认为，这牺牲可读性的精减，实属不智。😋

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

2.2 Blog_info

以下内容正在编辑中……

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

3、完整pattern

Nickname


nickname = re_compile(r'nickName = "(.+)";').findall(doc_blog_lists[0])[0] # 从第一页文章列表提取昵称字符串

Blog_info

pattern = (r'''(?:<li class="active margin" id="container-header-blog" data-type="blog" data-num="(\d+)">)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd class="font">(原创)</dd>)'''r'''.+?(?:<dl class="text-center" data-report-click='{"mod":"1598321000_002","spm":"1001.2101.3001.4311"}' title="(\d+)">.+?<dd class="font">(周排名)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd class="font">(总排名)</dd>)'''r'''.+?(?:<dl class="text-center" style="min-width:58px" title="(\d+)">.+?<dd>(访问)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)级,.+?<dd>(等级)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd>(积分)</dd>)'''r'''.+?(?:<dl class="text-center" id="fanBox" title="(\d+)">.+?<dd>(粉丝)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd>(获赞)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd>(评论)</dd>)'''r'''.+?(?:<dl class="text-center" title="(\d+)">.+?<dd>(收藏)</dd>)''') # 原字符串每行一个数据：除第一项是博客总数外，其余数据紧接的中文字符提取就是其keypattern = re_compile(pattern, DOTALL) # 通配字符串re编译

Blog_ids


pattern = (r'''<div class="article-item-box csdn-tracking-statistics" data-articleid="(\d+)">'''r'''.+?<span class="article-.+?</span>\s+(.+?)\s+</a>'''r'''.+?<p class="content">\s+(.+?)\s+</p>'''r'''.+?<span class="date">(.+?)</span>'''r'''.+?<span class="read-num">.+?/readCount.+?>(\d+)</span>'''r'''\s+(?:<span class="read-num">.+?/commentCount.+?>(\d+)</span>)*''') # 原字符串每行一个数据：Id、Title、Summary、Date、Readed、Comment# 简明版，程序用时：0.008107 秒（一页文章列表本地文件，表态解析）
pattern = re_compile(pattern, DOTALL) # 由于python的优化机制，同一pattern总是被仅编译一次，可以不担心重复编译。但习惯使然，我显式编译一次

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

3、后记

待写……

我的 2 0 2 4 我的 2 0 2 4 我的 2 0 2 4

上一篇：本地手集博客id“升级”在线抓取——简陋版——（2024年终总结1.1）_{(我之前每每发布笔记都用csv纯文本记录，一个机缘巧得文章列表api实现在线整理自已的文章阅读量数据)}
下一篇：

我的HOT博：

本次共计收集404篇博文笔记信息，总阅读量61.76w。数据采集于2024年11月25日 08:23:38，用时7分56.4秒。阅读量不小于6.00k的有 $9$ 篇。

让QQ群昵称色变的神奇代码
地址：https://blog.csdn.net/m0_57158496/article/details/122566500
浏览阅读：6.2w
点赞：25 收藏：89 评论：17
(本篇笔记于2022-01-18 19:15:08首次发布，最后修改于2022-01-20 07:56:47)
Python列表(list)反序(降序)的7种实现方式
地址：https://blog.csdn.net/m0_57158496/article/details/128271700
浏览阅读：1.3w
点赞：9 收藏：40 评论：8
(本篇笔记于2022-12-11 23:54:15首次发布，最后修改于2023-03-20 18:13:55)
pandas 数据类型之 DataFrame
地址：https://blog.csdn.net/m0_57158496/article/details/124525814
浏览阅读：1.0w
点赞：7 收藏：40
(本篇笔记于2022-05-01 13:20:17首次发布，最后修改于2022-05-08 08:46:13)
个人信息提取(字符串)
地址：https://blog.csdn.net/m0_57158496/article/details/124244618
浏览阅读：1.0w
点赞：3 收藏：20
(本篇笔记于2022-04-18 11:07:12首次发布，最后修改于2022-04-20 13:17:54)
罗马数字转换器|罗马数字生成器
地址：https://blog.csdn.net/m0_57158496/article/details/122592047
浏览阅读：8.2k
收藏：3
(本篇笔记于2022-01-19 23:26:42首次发布，最后修改于2022-01-21 18:37:46)
统计字符串字符出现的次数
地址：https://blog.csdn.net/m0_57158496/article/details/130517025
浏览阅读：8.1k
点赞：5 收藏：24
(本篇笔记于2023-05-06 22:28:18首次发布，最后修改于2023-05-12 06:21:40)
Python字符串居中显示
地址：https://blog.csdn.net/m0_57158496/article/details/122163023
浏览阅读：8.0k
点赞：1 收藏：12 评论：1
回车符、换行符和回车换行符
地址：https://blog.csdn.net/m0_57158496/article/details/123109488
浏览阅读：6.7k
点赞：2 收藏：4
(本篇笔记于2022-02-24 13:10:02首次发布，最后修改于2022-02-25 20:07:40)
python清屏
地址：https://blog.csdn.net/m0_57158496/article/details/120762101
浏览阅读：6.1k
点赞：1 收藏：10