1.import re
re.split('\d', 'one,two,2three')
['one,two,', 'three']
re.sub('\d', '-', 'one,two,3three')
# 将前面的用后面的替换掉
'one,two,-three'
re.subn('\d', '=', 'one two 3three')
# 这个不仅替换,还返回替换的次数
('one two =three', 1)
str = "hello 123, word 789"
pattern = re.compile('(\w+) (\d+)')
print(pattern.sub(r'\2***\1', str))
123***hello, 789***word
2.from lxml import tree
此方法需要安装lxml库:pip install lxml
select = etree.Html(html)
data = select.xPath("/div[start-with(@id, 'test')]/text()")
提取div中所有id属性以test开头的内容
data = select.xPath("//div[contains(@id, "tag")]")
模糊查询
/bookstore/bool[1] 第一个book子元素
/bookstore/bool[last(1)] 最后一个book子元素
/bookstore/bool[last()-1] 倒数第二个book子元素
3.from bs4 import BeautifulSoup
soup = BeautifulSoup(html,'lxml')
soup = BeautifulSoup(html,'html.parser')
soup.prettify() 美化代码,即有换行
soup.attrs 获取属性值,是一个字典
soup.attrs['type'] 获取指定属性值
soup.span.string 获取<span>之间的内容
soup.find_all('div') 返回包含所有div的元素列表
soup.find(id='menu') 返回id为menu的第一个元素
soup.select('p') 通过css选择器查找符合条件的所有元素
soup.get_text() 获取内容
print(soup.select('p')[0].text)
print(soup.select('p')[0].get_text)
soup.p.contents 查找子节点
soup.p.descendants 查找子孙节点
soup.p.parent 找父节点
soup.p.parents 找祖先节点(这是一个生成器)
print(list(soup.p.parents)) -- 最简单的查看方法