####Example######
import requests
import re ###正则表达式
url = 'https://maoyan.com/films'
response = requests.get(url)
##print(response.text)
n = response.text
p1 = re.compile(r'script')
p2 = re.compile(r'[li]')
t1 = re.findall(p1, n)
t2 = re.findall(p2,n)
print(t2)
match 函数:尝试从字符串string的起始位置匹配一个pattern模式,如果不是从起始位置匹配成功的话,返回None
参数:pattern, string, flags
flags:标志位,用于控制正则表达式的匹配方式(是否大小写,是否多行匹配)
re.I:匹配时,不区分大小写
re.L:做本地化识别
re.M:多行匹配
re.S: 使.匹配包含换行符在内的所有字符
re.U:根据Unicode字符集解析字符,影响\w, \W, \b, \B
re.X:通过给予我们功能灵活的格式以便更好的理解正则表达式
search函数:扫描整个字符串,并返回第一个成功的匹配位置
findall函数:扫描整个字符串,并返回结果的列表
正则表达式:
import re
. 匹配任意单个字符(除了\n)
^ 匹配字符串的开头,多行匹配每一行开头
$ 匹配字符串的结尾,多行匹配每一行末尾
\d 匹配任意一个数字字符
\D 匹配任意一个非数字字符
\w 匹配单词字符(A-Z,a-z,0-9,_)
\W 匹配非单词字符(也可以用^\w)
[...] 匹配任意单个字符
\s 匹配空白字符(空格、\t\r\n\f)
\S 匹配非空白字符(也可以用^\s)
\A 仅匹配字符串开头
\Z 仅匹配字符串末尾
\b 匹配\w和\W之间
\B
数量词
* 匹配一个字符0次或者多次
+ 匹配前一个字符1次或者多次
? 匹配前一个字符0次或者1次
{m} 匹配前一个字符m次
{m,n} 匹配前一个字符m至n次
数量词? 变成非贪婪模式
re.compile()
贪婪模式和非贪婪模式
一、匹配单个字符
. 匹配任意单个字符(除了\n)
[...] 匹配任意单个字符
[a-z]
[A-Z]
[0-9]
[a-zA-Z]
[a-zA-Z0-9]
[^...^] 匹配非''中的字符,例如[^abc^],匹配除了abc之外的任意一个字符
\d 匹配任意一个数字字符
\D 匹配任意一个非数字字符
\w 匹配单词字符(A-Z,a-z,0-9,_)
\W 匹配非单词字符(也可以用^\w)
[...] 匹配任意单个字符
\s 匹配空白字符(空格、\t\r\n\f)
\S 匹配非空白字符(也可以用^\s)
print(re.findall(r"ww[12345]", "ww1adddbcww3"))
##能匹配ww1,ww2,ww3,ww4,ww5
print(re.findall(r"ww.", "ww1adddbcww3"))
二、锚字符
^ 行首匹配
$ 行尾匹配
print(re.search(r"^www", "wwwabc")) 匹配www开头的字符串
print(re.search(r"cg$", "wwwabcg")) 匹配cg字符结尾的字符串
//beatifulsoup bs4
爬虫模块:urllib urllib2,requests,bsp,scrapy,lxml
import requests
from bs4 import BeautifulSoup
import urllib urllib2
//find
html = '<div class="a">class a,div</div><div class="b">class b,div</div>'
soup = BeautifulSoup(html, 'html.parser') ###用html.parser解释方式,
print(soup.div)
b=soup.find('div', class_="b").text ###查找标签里的内容
print(b)
//find_all
website = '<a href=wwww.baidu.com></a>'
soup1 = BeautifulSoup(website, 'html.parser')
c = soup1.find_all('a')
print(c)
for d in c:
link = d.get('href')
print(link)