【Python爬虫系列教程 6-100】通过正则表达式，从网页的源代码中获取有用的信息

最新推荐文章于 2023-01-08 12:04:47 发布

小夕Coding

最新推荐文章于 2023-01-08 12:04:47 发布

阅读量509

点赞数

分类专栏： Python大学作业汇总文章标签：字符串列表 python 正则表达式 java

本文链接：https://blog.csdn.net/weixin_54707168/article/details/114239476

版权

69 篇文章 65 订阅 ¥9.90 ¥99.00

订阅专栏

本文介绍了如何使用Python的正则表达式从网页源代码中提取有用信息。通过实例展示了正则表达式的基本用法，如match、search、findall等方法，以及贪婪与非贪婪匹配、修饰符、转义匹配等概念。并提供了从HTML文本中提取特定内容的示例。

摘要由CSDN通过智能技术生成

正则表达式

上节，我们通过Requests得到了网页的源代码，如何从中获取有用的信息呢？

正则表达式便是一个行之有效的方法，它示处理字符串的强大工具，很多高级语言都支持它，Python也不例外。

打开开源中国提供的正则表达式测试工具，https://tool.oschina.net/regex/，输入待匹配文本和正则表达式，即可得到匹配结果。

例如，输入以下文本：

Hello, my phone number is 010-86432100 and email is cqc@cuiqingcai.com, and my website is https://cuiqingcai.com.

如果想提取其中的URL的话，可以输入以下正则表达式：

[a-zA-Z]+://[^\s]*

结果如下：

了解本专栏

关注

专栏目录