Coursera - Using python to access web data week2 Note

本周学习内容笔记

1.Regular Expression Quick Guide

 

()用于截取匹配的字符串，举列

 

1 <p>Please click <a href="http://www.dr-chuck.com">here</a></p>
2 href="(.+)"匹配 http://www.dr-chuck.com
3 href=".+"匹配 href="http://www.dr-chuck.com/page2.htm"

2.翻译

dot .   asterisk * 

3.举列

^X.*:

以X开始，后面接任意数量的字母（"."表示字母，"*"表示任意数量）且以":"结尾

^X-\S+:

以X-开始，接着是一个字符数大于0且没有空格的字符串，字符串的最后以":"结尾

4.re.findall() 返回所有匹配项

 

[0-9]+

任意0-9之间的数字，可以是多个数字。因为时findall()所以会返回所有的数字

 

5.Greedy Matching 贪心匹配

 

*和+都是向外搜索去匹配最大的可匹配项，当然也可以使用 *?、+?来实现非贪心匹配

 

Extracting Data

1.通过括号来微调匹配结果

 

普通的email提取

 

以"From "开头的Email提取

2.[^ ]用于排除字符

 

1 address=re.findall('@([^ ]*)',data)
2 print(address)

 

可以实现从@开始找，直到找到一个空格就停

3.[]内的"."

方括号内的"."并不代表任意字符，而仅仅代表"."

4.Escape Character， 字符前加"\"保留原意