Python实验7

一、实验目的及要求

 

（1）熟悉使用正则表达式提取数据的一般流程；

（2）掌握正则表达式的基本语法结构；

（3）能够根据数据提取需求设计正则表达式；

（4）理解正则表达式贪婪匹配模式的工作原理；

（5）能够根据设计的正则表达式使用python中的re库进行实现。。

二、实验仪器设备与软件环境

1．安装有Win7/Win10微型计算机系统，每人一台；

2．每台微型计算机系统连接Internet网络；

3．安装有Python IDLE。

三、实验内容

（1）给定music.html文件，请从其中提取出所有歌曲的演唱者、歌名和链接的歌曲文件名数据，并将结果写入到songlist.txt文件中，其中每行存储一条歌曲数据，每条歌曲信息：歌曲名称、作者、歌曲文件名使用空格进行间隔。参照结果如下：

沧海一声笑  任贤齐  2.mp3

import re
f = open(r'C:\\Users\\86175\\Desktop\\python\\实验7\\music.html','r',encoding='UTF-8')
s = f.read()
f.close()
stemp = r'<a href="/(.*)" singer="(.*)">(.*)</a>'
a=re.findall(stemp,s)
for i in a:
    print("{} {} {}".format(i[2],i[1],i[0]))

（2）为了分析客户对屏幕的评论数据，需对数据进行标准化处理，如把多个同义词替换为同一个词。请将下列评论数据中的“触摸屏”和“显示屏”替换为“屏幕”：“广告说这个触摸屏很好，推销的人也说屏幕好，但我觉得这个显示屏糟透了”。

import re
comment="广告说这个触摸屏很好，推销的人也说屏幕好，但我觉得这个显示屏糟透了"
a=re.sub('触摸屏|屏幕','显示屏',comment)
print(a)

（3）给定网页数据文件ldu.html，请从其中提取出所有学院的名称并输出。

import re
f = open(r'C:\\Users\\86175\\Desktop\\python\\实验7\\ldu.html', 'r', encoding='utf-8')
a = f.read()
f.close()
stemp = r' <A class=.*? onclick=.*?>(.+)</A>'
name = re.findall(stemp,a)
for i in name:
    print(i)