我们使用其它编程语言处理在文本中查找“类似”的内容时,往往使用正则表达式,Python在网页上找出所有“类似”的内容,也是要用正则表达式。
在Python中,使用正则表达式的模块是“re",正则表达式模块"re"指定一个与之匹配的字符集合,本模块所提供的函数,将可以用来检查所给的字符串是否与指定的正则表达式匹配。”re"模块的findall()函数可以找出如电子邮箱、电话号码、外部连接、文件类型等形式。
- 程序示例:
import requests, re #regex = r"([a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+)" #这个正则表达式过滤掉了qq邮箱 regex = r"([a-zA-Z0-9_.+-]+@[a-pr-zA-PRZ0-9-]+\.[a-zA-Z0-9-.]+)" #基于隐私,使用了“XXXXXXXXXXXXXX” url = 'http://blog.sina.com.cn/s/XXXXXXXXXXXXXXXXXX.html' html = requests.get(url).text #print(html) emails = re.findall(regex,html) i = 0 for email in emails: i += 1 if i < 16: print("{} :{}".format(i,email))
- 执行结果:
Python:提取网页中的电子邮箱
最新推荐文章于 2024-08-19 04:03:05 发布