三种解析方式
- re 正则表达式 运行最快
- bs4 最简单
- xpath 简单流行
*? 尽可能少的让 * 匹配少的字符
不然 会出现几种情况
re 模块
正则表达式下面有波浪线 如果想没有 前面加个r
import re
# findall 匹配字符串中所有符合正则的内容
lst = re.findall(r"\d+", "我的电话号是12341212,我朋友电话是10086")
print(lst)
只拿数据。需要.group
#search 返回的结果是match 对象拿数据需要group 找到一个结果就返回
s = re.search(r"\d+", "我的电话号是12341212,我朋友电话是10086")
print(s.group())
# match 是从头开始匹配
s = re.match(r"\d+", "12341212,我朋友电话是10086")
print(s.group())
预加载
# 预加载
obj = re.compile(r"\d+")
ret = obj.finditer("我的电话号是12341212,我朋友电话是10086")
for i in ret:
print(i.group())
s = """"
<div class='jay'><span id = '1'>郭麒麟</span></div>
<div class='jj'><span id = '2'>宋铁</span></div>
<div class='jolin'><span id = '3'>大聪明</span></div>
<div class='sylar'><span id = '4'>范思哲</span></div>
<div class='tory'><span id = '5'>胡说八道</span></div>
"""
obj = re.compile(r"<div class='.*?'><span id = '\d+'>(?P<wahaha>.*?)</span></div>", re.S) #re.S 让. 能匹配换行符
rest = obj.finditer(s)
for i in rest:
print(i.group("wahaha"))
(?P<wahaha>.*?)
给该数据取一个名字 <> 里面为 名字 前面需要➕ ?P. 并且学要用()。括起来