python爬虫 正则表达式 re.finditer 元字符 贪婪匹配 惰性匹配

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

测试代码1:
main5.py

# -*- coding: utf-8 -*-
import reif __name__ == '__main__':# findall匹配字符串中所有的符合正则的内容lst = re.findall(r"\d+", "濮阳电话区号:0393,郑州电话区号:0371")print(lst)# 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器],从迭代器中拿到内容需要.group()it = re.finditer(r"\d+", "濮阳电话区号:0393,郑州电话区号:0371")for i in it:print(i.group())# search,找到一个结果就返回,返回的结果是match对象,拿到数据需要.group()s = re.search(r"\d+", "濮阳电话区号:0393,郑州电话区号:0371")print(s.group())# match,从头开始匹配s = re.match(r"\d+", "0393,郑州电话区号:0371")print(s.group())# 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器],从迭代器中拿到内容需要.group()# 预加载正则表达式obj = re.compile(r"\d+")it = obj.finditer("濮阳电话区号:0393,郑州电话区号:0371")for i in it:print(i.group())

测试代码2:python爬虫很常用的从网页提取数据例子
main6.py

# -*- coding: utf-8 -*-
import reif __name__ == '__main__':s = """<div class= 'tom'><span id= '1'>汤姆</span></div><div class= 'kali'><span id= '2'>凯丽</span></div><div class= 'lnr'><span id= '3'>罗恩</span></div>"""# 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器],从迭代器中拿到内容需要.group()# 预加载正则表达式,(?P<分组名称>正则表达式)可以单独从正则匹配的内容中进一步提取内容,标志处添加re.S是让.匹配换行符,即匹配任意字符。obj = re.compile(r"<div class= '(?P<class>.*?)'><span id= '(?P<id>\d)'>(?P<name>.*?)</span></div>", re.S)result = obj.finditer(s)for i in result:print(i.group("class")+"    "+i.group("id")+"    "+i.group("name"))

效果:

tom    1    汤姆
kali    2    凯丽
lnr    3    罗恩

关注公众号,获取更多资料
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/546579.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

如何在路由器的局域网下使用IIS发布网页

这两天尝试着使用IIS发布网页&#xff0c;但是学校宿舍只有一个网线接口&#xff0c;所以宿舍只申请了一个IP然后使用路由器共享网络。但是问题出现了&#xff1a;发布后的网页通过“IP&#xff1a;端口号”只能被自己宿舍的电脑&#xff08;同一路由器&#xff09;访问&#x…

U盘安装ubuntu20.04 Linux系统分区方案 Invalid Partition Table

一、简介&#xff1a; 一般磁盘分区表有两种格式&#xff1a;MBR和GPT&#xff0c;目前主要的BIOS系统引导方式也有两种&#xff1a;传统的Legacy BIOS和新型的UEFI BIOS 如果主机BIOS系统引导方式采用传统的Legacy BIOS&#xff0c;那么安装ubuntu系统的磁盘分区表使用MBR格式…

迭代获取ViewState

string s""; System.Collections.IDictionaryEnumerator ieViewState.GetEnumerator(); while (ie.MoveNext()) { s ie.Key.ToString()":"; s ((StateItem)ie.Value).Value.ToString();

面试珍藏:最常见的200多道Java面试题(2019年最新版)

作者&#xff1a;老王来自公众号&#xff1a;Java中文社群&#xff08;ID&#xff1a;javacn666&#xff09;2015 年&#xff0c;因为工作岗位的变动&#xff0c;开始负责给集团招聘一些技术人员&#xff0c;出于对公司的负责&#xff0c;也为了更好的胜任技术经理的职位&#…

ubuntu20.04使用终端命令安装谷歌Chrome浏览器稳定版

使用命令行安装谷歌浏览器稳定版 sudo wget http://www.linuxidc.com/files/repo/google-chrome.list -P /etc/apt/sources.list.d/wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -sudo apt-get updatesudo apt-get install google-chr…

Leetcode | Implement strStr()

Implement strStr(). Returns a pointer to the first occurrence of needle in haystack, or null if needle is not part of haystack. 此题我觉得并不是真要你写出kmp算法。 指针暴力法我觉得可能是考察点。而且要accept的话&#xff0c;必须要忽略后面一段不可能匹配的串。…

面试官:数据量大的情况下分页查询很慢,有什么优化方案?

来源: http://uee.me/aVSnD当需要从数据库查询的表有上万条记录的时候&#xff0c;一次性查询所有结果会变得很慢&#xff0c;特别是随着数据量的增加特别明显&#xff0c;这时需要使用分页查询。对于数据库分页查询&#xff0c;也有很多种方法和优化的点。下面简单说一下我知道…

python爬虫获取中国天气网天气数据 requests BeautifulSoup re

python获取中国天气网天气数据:http://www.weather.com.cn/textFC/henan.shtml main.py # -*- coding: utf-8 -*- import requests from xpinyin import Pinyin from bs4 import BeautifulSoup import

使用Exchange反垃圾邮件组件解决内部仿冒邮件

最近一个朋友遇到一个很有意思的问题&#xff0c;在生产环境中我们装好Exchange之后&#xff0c;肯定需要配置外部邮件的收发。按照我们对邮件系统的理解&#xff0c;我们必须在default 接收连接器上的权限设置&#xff0c;允许匿名连接&#xff0c;才能实现外部邮件的接收。如…

VMware ubuntu20.04 server随win10自动启动与关闭

一、背景简介&#xff1a; 在win10下安装虚拟机&#xff0c;此虚拟机作为服务器使用&#xff0c;但是wi10电脑经常开关机&#xff0c;有的情况下&#xff0c;关机前没有主动关闭虚拟机&#xff0c;到此服务器需要收到重启&#xff0c;且数据容易丢失&#xff0c;配置 win10开机…

秋招注意事项和面试通关攻略

首先给大家说声抱歉&#xff0c;最近由于个人工作(突然996)和精力上的原因&#xff0c;导致公众号断更了一段时间&#xff0c;后面会逐渐恢复公众号的更新&#xff0c;在此感谢大家的理解和支持。国内主流的互联网公司在 8 月份都开放了秋招申请&#xff0c;那秋招有哪些需要注…

shell timeout

写脚本的时候&#xff0c;经常需要用到超时控制。看《shell专家编程》时看到一个好例&#xff1a;修改了一下&#xff0c; 1.超过timeout时间还没执行完&#xff0c;则kill进程&#xff0c;发邮件告警: set-xmailSend(){ mailContent"xxxx Web response time over …

python爬虫 单线程的多任务异步协程

在input()、sleep(2)、request.get()等时&#xff0c;都会导致线程阻塞&#xff0c;协程可以解决IO等操作时的阻塞现象&#xff0c;提高CPU利用效率。 1.单线程的多任务异步协程 main.py """ coding: UTF8 """ import asyncio import timeasyn…

阿里2020届校招笔试劝退题——你大爷还是你大爷

阿里巴巴 2020 届的校招笔试结束了&#xff0c;群里哀声一片&#xff0c;来看这些经历了阿里秋招“洗礼”的小伙伴的真实状态。下面这些人嘛......就有些偏激了&#xff0c;哈哈哈先来说一下阿里笔试题构成&#xff1a;10 道单选题 2 道附加题。什么&#xff1f;单选题简单&am…

日记 2014-5-18

今天的任务就是昨晚2张图片给学院做的&#xff0c;加油&#xff01;转载于:https://www.cnblogs.com/7acmer/p/3735598.html

面试题:图解深克隆和浅克隆

获得好工作的秘密&#xff1a;有效的准备面试。在开始之前&#xff0c;我们先来看以下代码存在什么问题&#xff1f;class CloneTest {public static void main(String[] args) throws CloneNotSupportedException {// 等号赋值&#xff08; 基本类型&#xff09;int number 6…

python爬虫 threading 多线程 ThreadPoolExecutor线程池

1.创建多线程&#xff0c;无参数 main.py """ coding: UTF8 """ # 线程类 from threading import Threadclass myThread(Thread):def run(self): # 当线程被执行的时候&#xff0c;被执行的就是run()for i in range(1000):print("子线程&…

ffmpeg解析TS流

介绍: MPEG的系统层编码为不同的应用场景设计了两种格式: TS(Transport Stream) 和PS(Program Stream),它们两者之间不具有层级关系&#xff0c;在逻辑上&#xff0c;它们两者都是由PES(Packetized Elementary Stream)包组成的&#xff0c;所以可以很方便地实现相互转换.TS(Tra…

python爬虫 asyncio aiohttp aiofiles 单线程多任务异步协程爬取图片

python爬虫 asyncio aiohttp aiofiles 多任务异步协程爬取图片 main.py """ coding: UTF8 """ # requests.get()同步代码 -> 异步操作aiohttp import asyncio import aiohttp import aiofilesurls ["https://img.lianzhixiu.com/uploa…

IOS 设置文件是否使用ARC

全项目设置&#xff1a;Building Settings修改Objective-C Automatic Reference Counting设置是否使用 单文件设置&#xff1a;Build Phases-Compile Sources.找到对应文件&#xff0c;双击后输入下面的选项 -fobjc-arc 使用arc -fno-objc-arc …