php正则函数抓取网页连接(python·简介以及相关的经验技巧，文章约6916字，浏览量3464 )

　　php正则函数抓取网页连接(python·简介以及相关的经验技巧，文章约6916字，浏览量3464

)

　　栏目：python·

　　Introduction 本文文章主要介绍几种网页解析方法的正则表达式（示例代码）及相关经验技巧。 文章约6916字，346页浏览量，点赞数4，值得参考！

　　1、正则表达式

　　正则表达式是一种特殊的字符序列，它可以帮助您轻松检查字符串是否与某个模式匹配。

　　re 模块使 Python 语言拥有所有的正则表达式功能。

　　重新匹配功能

　　re.match 尝试从字符串的开头匹配模式。如果一开始匹配不成功，match() 返回 none。

　　import re

print(re.match(‘www‘, ‘www.runoob.com‘).span()) # 在起始位置匹配

print(re.match(‘com‘, ‘www.runoob.com‘)) # 不在起始位置匹配

　　结果：

　　(0, 3)

None

　　import re

line = "Cats are smarter than dogs"

matchObj = re.match( r‘(.*) are (.*?) .*‘, line)

if matchObj:

print ("matchObj.group() : ", matchObj.group())

print ("matchObj.group(1) : ", matchObj.group(1))

print ("matchObj.group(2) : ", matchObj.group(2))

else:

print ("No match!!")

　　结果：

　　matchObj.group() : Cats are smarter than dogs

matchObj.group(1) : Cats

matchObj.group(2) : smarter

　　r‘(.*) are (.*?) .*‘,r的意思为raw string，纯粹的字符串，group（0），是匹配正则表达式整体结果，group(1) 列出第一个括号匹配部分，group(2) 列出第二个括号匹配部分。

　　研究方法

　　re.search 扫描整个字符串并返回第一个成功匹配。

　　re.match 只匹配字符串的开头。如果字符串与开头的正则表达式不匹配，则匹配失败，函数返回None；而 re.search 匹配整个字符串，直到找到匹配项。

　　import re

line = "Cats are smarter than dogs";

matchObj = re.match( r‘dogs‘, line, re.M|re.I)

if matchObj:

print ("match --> matchObj.group() : ", matchObj.group())

else:

print ("No match!!")

matchObj = re.search( r‘dogs‘, line, re.M|re.I)

if matchObj:

print ("search --> matchObj.group() : ", matchObj.group())

else:

print ("No match!!")

　　结果：

　　No match!!

search --> matchObj.group() : dogs

　　re.findall 方法

　　findall 可以找到匹配的结果并以列表的形式返回。

　　import requests

import re

link = "http://www.sohu.com/"

headers = {‘User-Agent‘ : ‘Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6‘}

r = requests.get(link, headers= headers)

html = r.text

title_list = re.findall(‘href=".*?".(.*?)‘,html)

print (title_list)

　　[‘新闻‘, ‘财经‘, ‘体育‘, ‘房产‘, ‘娱乐‘, ‘汽车‘, ‘时尚‘, ‘科技‘, ‘美食‘, ‘星座‘, ‘邮箱‘, ‘地图‘, ‘千帆‘, ‘畅游‘]

　　获取搜狐的主要标题。