Python之数据采集(No.2)

正则表达式常用符号

• “*"匹配前面的字符，子表达式或者括号里的字符0次或者多次
• ”+“匹配前面的字符，表达式或者括号里的字符至少1次
• ”[]“匹配任意一个字符
• ”()“表达式编组，表达式里编组的优先进行运算
• ”{m,n}"匹配前面的字符，子表达式或括号里的字符m到n次（包含m或n）
• [^]匹配任意一个不在中括号里的字符
• “|”匹配任意一个由竖线分割的字符，子表达式
• “.“匹配任意单个字符
• ”^“指字符串开始位置的字符或者子表达式
• ”\“转义字符
• ”$“从末尾开始匹配

例子：

from urllib.request import urlopen
from bs4 import BeautifulSoup
import re   //引入正则表达式
html=urlopen("http://www.pythonscraping.com/pages/page3.html")
bsObj=BeautifulSoup(html)      
images=bsObj.findAll("img",{"src":re.compile("\.\.\/img\/gifts\/img.*\.jpg")})   ///转义字符
for image in images:
    print(image["src"])

Lambda表达式

soup.findAll(lambda tag:len(tag.attrs)==2)
<div class="body" id="content"></div>
<span style="color:red" class="title"></span>