0x01 re基础

使用re模块，必须先导入re模块

import re

• findall()：匹配所有符合正则的内容，返回的是一个列表

import restr = "我的电话：10086，女朋友电话：11011"
list = re.findall('\d+',str)
print(list)

• finditer()：匹配所有符合的内容，返回的是迭代器，使用group可取到内容

import restr = "我的电话：10086，女朋友电话：11011"
ite = re.finditer('\d+',str)
for i in ite:print(i.group())

• search()：只匹配一个，返回的是match对象，获得匹配数据要使用group()

import restr = "我的电话：10086，女朋友电话：11011"
ite = re.search('\d+',str)
print(ite.group())

• match()：只在开头匹配

import restr = "我的电话：10086，女朋友电话：11011"
ite = re.match('\d+',str)
print(ite.group())

将10086放在字符串最前面就可以匹配了

• compile()：预加载正则表达式

import restr = "我的电话：10086，女朋友电话：11011"com = re.compile('\d+')
lst = com.findall(str)
print(lst)

0x02 案例

案例1

获取下面字符串里面的名字和ID：

'''
<div class='jcw'><span id='1'>金城武</span></div>
<div class='hg'><span id='2'>胡歌</span></div>
<div class='pyy'><span id='3'>彭于晏</span></div>
<div class='az'><span id='4'>阿祖</span></div>
'''

程序：

import restr = '''
<div class='jcw'><span id='1'>金城武</span></div>
<div class='hg'><span id='2'>胡歌</span></div>
<div class='pyy'><span id='3'>彭于晏</span></div>
<div class='az'><span id='4'>阿祖</span></div>
'''com = re.compile("<div class='.*?'><span id='(?P<id>\d+)'>(?P<name>.*?)</span></div>")
result = com.finditer(str)
for i in result:print(i.group('id'),i.group('name'))

在预编译中有(?P\d+)，(?P)是告诉处理器，括号里面的内容需要注意，我需要单独拿出来，<>里面是告诉处理器，这里拿出来的内容叫什么名字，后面可以根据这个名字对(?P)匹配的内容单独处理，比如后面group('id')直接根据名字取出数据

案例2

爬取豆瓣电影top250的电影名、导演、时间
程序：

import re
import requestsurl = 'https://movie.douban.com/top250'headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18362'}
response = requests.get(url=url,headers=headers)
content = response.textobj = re.compile('<li>.*?<div class="item">.*?<div class="info">''.*?<span class="title">(?P<name>.*?)</span>.*?''<p class="">(?P<name2>.*?)&nbsp;&nbsp;&nbsp;.*?<br>(?P<age>.*?)&nbsp;',re.S)result = obj.finditer(content)
for it in result:print(it.group("name"))print(it.group('name2').strip())print(it.group('age').strip())

结果：

compile中的re.S是让.匹配任何字符，换行符也匹配