正则表达式表示html

1、获取<tr></tr>、<div></div> 等标签之间内容 :

#coding=utf-8
import  urllib
import  urllib2
import re
html='<table border="1">\
    <tr>\
        <td>性别, 男</td>\
        <td>row 1, cell 2</td>\
    </tr>\
    <tr>\
        <td>row 2, cell 1</td>\
        <td>row 2, cell 2</td>\
    </tr>\
</table>'

p=r'<td>(.*?)</td>'
pattern1 = re.compile(p)
matcher1 = re.findall(pattern1,html)
for mat in matcher1:
    print mat

2、获取url:

#coding=utf-8
import  urllib
import  urllib2
import re

url = "http://www.csdn.net/"
content = urllib.urlopen(url).read()

link_list = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')", content)
for url in link_list:
    print url

3、标题:

#coding=utf-8
import  urllib
import  urllib2
import re

url = "http://www.csdn.net/"
content = urllib.urlopen(url).read()

print u'方法一:'
title_pat = r'(?<=<title>).*?(?=</title>)'
title_ex = re.compile(title_pat, re.M | re.S)
title_obj = re.search(title_ex, content)
title = title_obj.group()
print title

print u'方法二:'
title = re.findall(r'<title>(.*?)</title>', content)
print title[0] 

4、

  • 0
    点赞
  • 1
    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