写爬虫的时候,我们要从网页代码里面提取特定的标签里面的内容,就要用到正则表达式。
re.sub()在python里面表示替换。
工具/原料
电脑
python3+(anaconda版本)
jupyter编译器
方法/步骤
1
看下面的字符串,我们要提取出两个h标签:
text = '''
姓名:李隆基
,打开第三方坤宁宫
'''2
用正则表达式来匹配标签:
import re
htm = re.findall(r".*?\d>", text)
3
或者简单点:
htm = re.findall(r"", text)
4
用空字符替换内容前面的标签:
k = re.sub("", "", t)
这里的空字符串,指的是没有任何内容,连空格也不要。
5
再把内容后面的标签去掉,就相当于保留正文内容:
h = re.sub("\d>", "", k)
END
简化
其实,上面的过程还可以进一步简化:
htm = re.findall(r"(.*?)\d>", text)
END
注意事项
替换函数,只在替换的时候,才能够起到好作用。若用来提取字符串,就会事倍功半。
经验内容仅供参考,如果您需解决具体问题(尤其法律、医学等领域),建议您详细咨询相关领域专业人士。
举报作者声明:本篇经验系本人依照真实经历原创,未经许可,谢绝转载。
展开阅读全部