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。
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$
-------------------------------------------------------------------------------------------------------------------
最低0.47元/天 解锁文章
扫一扫
1223
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
