Python 正则表达式 过滤html

这篇笔记介绍了如何使用Python的re模块进行正则表达式操作,以过滤HTML中的信息。主要内容包括:通过re模块的功能函数findall()匹配并获取HTML标签间的内容,以及使用re.S和re.M参数进行多行匹配和换行符处理。文中提到了两种方法,一是获取标签对中的内容,二是删除不需要的标签及其内容,并结合实例说明了应用。
摘要由CSDN通过智能技术生成

这篇笔记适用于爬取网页信息时,选择保存整个html文件,再过滤得到其中需要的信息。


用到的技术是python正则表达式处理,推荐一篇正则表达式基础文章:点击打开链接

⑴通过re模块提供对正则表达式的支持
⑵使用到其中的功能函数findall(),实现遍历匹配,可以获取字符串中所有匹配的字符串,返回一个列表。
⑶使用到函数中的参数:re.S(DOTALL)使.匹配包括换行在内的所有字符、re.M(MULTILINE)多行匹配,影响^和$

-------------------------------------------------------------------------------------------------------------------

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值