Python 正则表达式 对应实例 从教务处展示成绩页面的表格源代码中 获取课程、学分、成绩

在我看来re模块是一个很实用、很重要的模块，可以帮我们过滤不想要的字符。而且很灵活，越用越上瘾。

感觉我找到的教程都不太好，有的只有罗列式子，没有实例很抽象。

自己整理一下，方便自己看，也供大家参考。

目前还未整理完，也没有按顺序，只是个开始。

传送门：
re.sub 过滤/去除指定内容
re.findall 找到想要的内容

re.sub函数:

re.sub(正则匹配表达式,匹配后要替换的字符,原字符串)

正则匹配表达式：	r’[填入以下式子]’
匹配数字	\d
非数字	\D
非标点符号	\w
标点符号	\W
汉字	\u4e00-\u9fa5
任意单个字符	直接写单个字符

如果只用一个条件，可以不加列表[]，即：r’\d’ 跟r’[\d]’ 效果是一样的

但匹配汉字要加，即：r’[\u4e00-\u9fa5]’
所以建议直接加上[]。

匹配多个条件，我既匹配数字，又要汉字的话，用逗号隔开就好。
r’[ \d, \u4e00-\u9fa5 ]’

其实r可加可不加！自己删掉试试？

示例：

import re

#原字符串
string = "hello world! I'm glad to see you here. This is 404detecitve. 你好，世界！我很高兴在这见到你。"

#匹配e，替换为E。
replacedString = re.sub(r'[a]', "A", string)

#输出：hEllo world! I'm glad to sEE you hErE. This is 404dEtEcitvE. 你好，世界！我很高兴在这见到你。

#匹配汉字，替换为空(删除)。
replacedString = re.sub(r'[\u4e00-\u9fa5]', "", string)
#输出：hello world! I'm glad to see you here. This is 404detecitve. ，！。

#匹配标点符号，替换为空格。(注意' '里面有空格，跟上面不一样！)
replacedString = re.sub(r'[\W]', " ", string)
#输出：hello world  I m glad to see you here  This is 404detecitve  你好 世界 我很高兴在这见到你

print("replacedString = ", replacedString) 

re.findall函数:

re.findall(正则匹配表达式,原字符串,其他修饰条件)

找到后放入列表返回

如果我们想要的东西在<>里面
<内容>
我们可以用r’<(.*?)>'来匹配它

修饰条件：	含义
re.I	匹配对大小写不敏感
re.S	匹配包括换行在内的所有字符（把换行表示为字符\n）

示例：

r可加可不加！上面加了，下面就不加了

 string = '''<aa>12<b>23<c>34<d><e\n>
 12<
 f>23<g>34<h>'''

 No_S = re.findall('<(.*?)>',string)
 Yes_S = re.findall('<(.*?)>',string,re.S)
 
 print ('No_re.S is ' ,No_S)
 #No_re.S is  ['aa', 'b', 'c', 'd', 'g', 'h']
 ！！！不加re.S只能匹配第一个\n(换行)之前的内容！！！ 所以没有e

 print ('Yes_re.S is ' ,Yes_S)
 #Yes_re.S is  ['aa', 'b', 'c', 'd', 'e\n', '\nf', 'g', 'h']

取一下教务处里的成绩，我将展示成绩的页面表格部分代码copy在了记事本里。

通过观察我们发现了想要内容左右代码的共同之处。

代码如下：

import re

with open('re.txt','r',encoding='utf-8') as f:
    string=(f.read())
    #print(txt)
    
course=re.findall('kcmc">(.*?)</td>',string)
print ('课程为 ' ,course)

课程为  ['军事理论及训练', '大学计算机基础实验', '高等数学A1', '思想道德修养与法律基础', '马克思主义基本原理', '普通体育课1', '大学生生涯规划', '大学英语B1', '大学计算机基础', '工程制图与电气CAD']

credit=re.findall('xf">(.*?)</td>',string)
print ('学分为 ' ,credit)

学分为  ['1.0', '0.5', '5', '2', '3', '1', '0.5', '2', '1.5', '2.5']

grade=re.findall('cj">(.*?)</td>',string)
print ('成绩为 ' ,grade)

成绩为  ['95', '95', '优秀', '95', '99', '99', '90', '90', '85', '85', '93', '93', '92', '92', '99', '99', '94', '94', '93', '93']

效果如下

翻车了！
还有其他带着cj’'的标签，于是经过更改（让匹配更详细即可）

not end
未完待续…