知识点一:正则表达式详解及其基本使用方法

  • 什么是正则表达式

正则表达式对子符串操作的一种逻辑公式,就是事先定义好的一些特定字符、及这些特定字符的组合,组成一个‘规则字符串’,这个‘规则字符串’用来表达对字符串的一种过滤逻辑。

(非Python独有,re模块实现)

(截的图,不清楚!可以看菜鸟教程正则表达式元字符页面

  • re库的用法详解

  1. re.match()方法的使用
    re.match尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回None。基本用法为:

    re.match(pattern,string,flags=0)
    1. 最基本的用法

      import re
      content = 'Hello 123 4567 World_This is a Regex Demo' print(len(content)) result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)
      print(result)
      #<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'> print(result.span())#span输出匹配结果的范围
      #(0, 41) print(result.group())#group返回匹配结果
      #Hello 123 4567 World_This is a Regex Demo
    2. 泛匹配:( ' .* '  就可以把中间字符匹配到,但是必须制定起始位置)

      import re
      content = 'Hello 1234567 World_This is a Regex Demo' result1 = re.match('^Hello.*Demo$',content)#泛匹配(.*就可以把中间字符匹配到,但是必须制定起始位置)
      print(result1)
      #<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'> print(result1.group())
      #Hello 123 4567 World_This is a Regex Demo print(result1.span())
      #(0, 41)
    3. 匹配目标

      import re
      content = 'Hello 1234567 World_This is a Regex Demo' result = re.match('^Hello\s(\d+)\sWorld.*Demo$',content) print(result)
      #<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> print(result.group(1))#将第一括号括起来的内容打印出来,依次可推group(2)
      #
      print(result.span())
      #(0, 40)
    4. 贪婪匹配

      import re
      content = 'Hello 1234567 World_This is a Regex Demo' result = re.match('^He.*(\d+).*Demo$',content) print(result)
      #<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> print(result.group(1))#打印结果为7,意味着‘.*’将前面的数字全部包含了
      #
    5. #非贪婪匹配('?'指定模式为非贪婪匹配,让其匹配尽可能少的字符)

      import re
      content = 'Hello 1234567 World_This is a Regex Demo' result = re.match('^He.*?(\d+).*Demo$',content) print(result)
      #<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> print(result.group(1))
      #
    6. 匹配模式(换行符问题)

      import re
      content = '''Hello 1234567 World_This
      is a Regex Demo''' result1 = re.match('^He.*?(\d+).*?Demo$',content)#无视换行的下场
      print(result1)
      #None result2 = re.match('^He.*?(\d+).*?Demo$',content,re.S)#添加参数re.S就可以无视换行
      print(result2.group(1))
      #
    7. 转义

      import re
      content = 'price is $5.00' result = re.match('price is $5.00',content)
      print(result)
      #None
      result1 = re.match('price is \$5\.00',content)#添加‘\’即可把特殊字符进行转义
      print(result1)
      #<_sre.SRE_Match object; span=(0, 14), match='price is $5.00'>

      总结:尽量使用泛匹配,使用括号得到匹配目标,尽量使用非贪婪模式、有换行符就用re.S

  2. re.search()方法的使用(扫描整个字符串并返回第一个成功的匹配)

    1. re.search()与re.match()方法的比较

      import re
      content = 'Extra stings Hello 123232 World_This is a Regex Demo Extra stings' result = re.match('Hello.*?(\d+).*?Demo',content) print(result)
      #结果为None,说明从开始就匹配失败 result1 = re.search('Hello.*?(\d+).*?Demo',content)#re.search不管开头是否相符,只要条件满足就可以找到 print(result1)
      #<_sre.SRE_Match object; span=(13, 52), match='Hello 123232 World_This is a Regex Demo'>
      print(result1.group(1))
      #

      总结:总的来说,能用search就不用match

  3. 匹配演练

    1. 基本数据

      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>'''
      import re
      
      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)
      if result:
      print(result.group(1),result.group(2))
      #齐秦 往事随风

      演练一

      import re
      
      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' result = re.search('<li.*?singer="(.*?)">(.*?)</a>',html,re.S)
      if result:
      print(result.group(1),result.group(2))
      #任贤齐 沧海一声笑

      演练二

      import re
      
      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' result = re.search('<li.*?singer="(.*?)">(.*?)</a>',html)
      if result:
      print(result.group(1),result.group(2))
      #begoud 光辉岁月

      演练三

  4. re.findall()(搜索字符,以列表的形式返回全部匹配的字符串)

    1. 基本用法:

      import re
      
      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' result = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>',html,re.S) print(result)#以元组的形式将所有值输出 print(type(result))
      #<class 'list'>
      for result in result:
      print(result)
      print(result[0],result[1],result[2])
      [('/2.mp3', '任贤齐', '沧海一声笑'), ('/3.mp3', '齐秦', '往事随风'), ('/4.mp3', 'begoud', '光辉岁月'), ('/5.mp3', '陈慧琳', '记事本'), ('/6.mp3', '邓丽君', '但愿人长久')]
      <class 'list'>
      ('/2.mp3', '任贤齐', '沧海一声笑')
      /2.mp3 任贤齐 沧海一声笑
      ('/3.mp3', '齐秦', '往事随风')
      /3.mp3 齐秦 往事随风
      ('/4.mp3', 'begoud', '光辉岁月')
      /4.mp3 begoud 光辉岁月
      ('/5.mp3', '陈慧琳', '记事本')
      /5.mp3 陈慧琳 记事本
      ('/6.mp3', '邓丽君', '但愿人长久')
      /6.mp3 邓丽君 但愿人长久

      获得的结果

    2. 关于换行问题,“ (<a.*?>)? ”括号内表示一个组,“?”表示a标签可能有

      import re
      
      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a><li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' result = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>',html,re.S) print(result)
      for result in result:
      print(result[1])
      [('', '一路上有你', ''), ('<a href="/2.mp3"singer="任贤齐">', '沧海一声笑', '</a>'), ('<a href="/3.mp3"singer="齐秦">', '往事随风', '</a>'), ('<a href="/4.mp3"singer="begoud">', '光辉岁月', '</a>'), ('<a href="/5.mp3"singer="陈慧琳">记事本</a><li>\n    <li data-view="5">\n        <a href="/6.mp3"singer="邓丽君">', '但愿人长久', '</a>')]
      一路上有你
      沧海一声笑
      往事随风
      光辉岁月
      但愿人长久

      获得的结果

  5. re.sub(替换字符串中每一个匹配的字符串后返回替换后的的字符串

    公式:re.sub(正则表达式,要替换成的字符串,原字符串)
    1. 删除固定位置内容

      import re
      content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings' content = re.sub('\d+','',content) print(content)
      #Extra stings Hello World_This is a Regex Demo Extra stings
    2. 把固定位置上的内容替换

      import re
      content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings' content = re.sub('\d+','Replacement',content) print(content)
      #Extra stings Hello Replacement World_This is a Regex Demo Extra stings
    3. 在原有的基础上增加

      import re
      content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings' content = re.sub('(\d+)',r'\1 45545',content) print(content)
      #Extra stings Hello 1234567 45545 World_This is a Regex Demo Extra stings
    4. 练习

      html = '''<div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="2">一路上有你</li>
      <li data-view="7">
      <a href="/2.mp3"singer="任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4"class="active">
      <a href="/3.mp3"singer="齐秦">往事随风</a>
      </li>
      <li data-view="6"><a href="/4.mp3"singer="begoud">光辉岁月</a></li>
      <li data-view="5"><a href="/5.mp3"singer="陈慧琳">记事本</a></li>
      <li data-view="5">
      <a href="/6.mp3"singer="邓丽君">但愿人长久</a>
      </li>
      </ul>
      </div>''' html = re.sub('<a.*?>|</a>','',html)#把a标签替换掉
      print(html) result = re.findall('<li.*?>(.*?)</li>',html,re.S) print(result)
      for result in result:
      print(result.strip())#去掉换行符

      re.sub练习

      <div id="songs-list">
      <h2 class="title">经典老歌</h2>
      <p class="introduction">
      经典老歌列表
      </p>
      <ul id="list"class="list-group">
      <li data-view="">一路上有你</li>
      <li data-view="">
      沧海一声笑
      </li>
      <li data-view=""class="active">
      往事随风
      </li>
      <li data-view="">光辉岁月</li>
      <li data-view="">记事本</li>
      <li data-view="">
      但愿人长久
      </li>
      </ul>
      </div>
      ['一路上有你', '\n 沧海一声笑\n ', '\n 往事随风\n ', '光辉岁月', '记事本', '\n 但愿人长久\n ']
      一路上有你
      沧海一声笑
      往事随风
      光辉岁月
      记事本
      但愿人长久

      获得的结果

  6. re.compile(将正则字符串编译成正则表达式对象,以便于复用该匹配对象)

    1. 基本使用

      content = '''hello 1234545 World_This
      is a Regex Demo'''
      pattern = re.compile('hello.*Demo',re.S)
      result = re.match(pattern,content)
      print(result)
      #<_sre.SRE_Match object; span=(0, 40), match='hello 1234545 World_This\nis a Regex Demo'>
      result1 = re.match('hello.*Demo',content,re.S)
      print(result1)
      #<_sre.SRE_Match object; span=(0, 40), match='hello 1234545 World_This\nis a Regex Demo'>
  • 实战演练

    • 实战内容:爬取豆瓣读书首页所有的图书的详情页连接,书名,作者,出版年内容。

    1. 一般方法:

      import re
      import requests content = requests.get('https://book.douban.com/').text
      #print(content)
      pattern = re.compile('<li.*?"cover">.*?href="(.*?)" title="(.*?)".*?"more-meta".*?"author">(.*?)</span>.*?"year">(.*?)</span>.*?</li>',re.S) result = re.findall(pattern,content)
      print(result)
      [('https://book.douban.com/subject/30274766/?icn=index-editionrecommend', '潦草', '\n                    贾行家\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30228612/?icn=index-editionrecommend', '游泳回家', '\n                    [英]德博拉·利维\n                  ', '\n                    2018-8-1\n                  '), ('https://book.douban.com/subject/30280804/?icn=index-editionrecommend', '薛兆丰经济学讲义', '\n                    薛兆丰\n                  ', '\n                    2018-7-1\n                  '), ('https://book.douban.com/subject/30185326/?icn=index-editionrecommend', '给孩子的未来脑计划', '\n                    魏坤琳\n                  ', '\n                    2018-4\n                  '), ('https://book.douban.com/subject/30288807/?icn=index-editionrecommend', '加密与解密(第4版)', '\n                    段钢\n                  ', '\n                    2018-9-1\n                  '), ('https://book.douban.com/subject/27176955/?icn=index-latestbook-subject', '罗特小说集2', '\n                    [奥] 约瑟夫·罗特&nbsp;/&nbsp;刘炜 主编\n                  ', '\n                    2018-6\n                  '), ('https://book.douban.com/subject/30222403/?icn=index-latestbook-subject', '明治天皇', '\n                    (美) 唐纳德·基恩 (Donald Keene)\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30193776/?icn=index-latestbook-subject', '西游八十一案', '\n                    陈渐\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30274068/?icn=index-latestbook-subject', '经济学的思维方式', '\n                    托马斯·索维尔\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30246163/?icn=index-latestbook-subject', '默读.2', '\n                    Priest\n                  ', '\n                    2018-6\n                  '), ('https://book.douban.com/subject/30199434/?icn=index-latestbook-subject', '原生家庭', '\n                    (美)苏珊·福沃德博士&nbsp;/&nbsp;(美)克雷格·巴克\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/28170953/?icn=index-latestbook-subject', '荣耀', '\n                    [美]纳博科夫\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30167361/?icn=index-latestbook-subject', '柏林1:石之城', '\n                    [美] 贾森·卢茨\n                  ', '\n                    2018-9\n                  '), ('https://book.douban.com/subject/30229646/?icn=index-latestbook-subject', '阿波罗', '\n                    [英] 扎克·斯科特\n                  ', '\n                    2018-7-1\n                  '), ('https://book.douban.com/subject/27197821/?icn=index-latestbook-subject', '洞穴', '\n                    [葡] 若泽·萨拉马戈\n                  ', '\n                    2018-6\n                  '), ('https://book.douban.com/subject/27661637/?icn=index-latestbook-subject', '放牧人生', '\n                    [英]詹姆斯·里班克斯\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30217911/?icn=index-latestbook-subject', '诗人继续沉默', '\n                    [以色列] 亚伯拉罕·耶霍舒亚\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30252127/?icn=index-latestbook-subject', '今天也要好好地过', '\n                    [日] 吉竹伸介\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30243869/?icn=index-latestbook-subject', '冷山', '\n                    [美] 查尔斯·弗雷泽\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30198886/?icn=index-latestbook-subject', '艾略特·厄威特的巴黎', '\n                    [美] 艾略特·厄威特&nbsp;/&nbsp;Elliott Erwitt\n                  ', '\n                    2018-6\n                  '), ('https://book.douban.com/subject/30203733/?icn=index-latestbook-subject', '阳光劫匪友情测试', '\n                    [日] 伊坂幸太郎\n                  ', '\n                    2018-8-1\n                  '), ('https://book.douban.com/subject/26877230/?icn=index-latestbook-subject', '《英国史》(全三卷)', '\n                    [英]西蒙·沙玛\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30175383/?icn=index-latestbook-subject', '犯罪者的七不规范', '\n                    张舟\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30259504/?icn=index-latestbook-subject', '伟大的海', '\n                    [英]大卫‧阿布拉菲亚\n                  ', '\n                    2018-7-1\n                  '), ('https://book.douban.com/subject/30194496/?icn=index-latestbook-subject', '朋友之间', '\n                    [以]阿摩司·奥兹\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30280610/?icn=index-latestbook-subject', '天长地久', '\n                    龙应台\n                  ', '\n                    2018-8-1\n                  '), ('https://book.douban.com/subject/30280340/?icn=index-latestbook-subject', '格林童话', '\n                    格林兄弟\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30235060/?icn=index-latestbook-subject', '情感勒索', '\n                    [美] 苏珊·福沃德&nbsp;/&nbsp;唐娜·弗雷泽\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30238143/?icn=index-latestbook-subject', '奥尔拉', '\n                    [法] 纪尧姆·索雷尔 编绘\n                  ', '\n                    2018-9\n                  '), ('https://book.douban.com/subject/30247531/?icn=index-latestbook-subject', '听音乐(全彩插图第11版)', '\n                    [美] 罗杰·凯密恩&nbsp;/&nbsp;Roger Kamien\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/27598730/?icn=index-latestbook-subject', '突然死亡', '\n                    [墨]阿尔瓦罗·恩里克\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30231921/?icn=index-latestbook-subject', '中国古代的谣言与谶语', '\n                    栾保群\n                  ', '\n                    2018-7-1\n                  '), ('https://book.douban.com/subject/30254431/?icn=index-latestbook-subject', '被猜死的人', '\n                    田耳\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30187740/?icn=index-latestbook-subject', '李霖灿读画四十年', '\n                    李霖灿\n                  ', '\n                    2018-6\n                  '), ('https://book.douban.com/subject/30218856/?icn=index-latestbook-subject', '房客', '\n                    [英] 萨拉·沃特斯\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/27045307/?icn=index-latestbook-subject', '唐物的文化史', '\n                    [日] 河添房江\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30258687/?icn=index-latestbook-subject', '战略级天使', '\n                    白伯欢\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30207028/?icn=index-latestbook-subject', '中国烟草史', '\n                    [美]班凯乐\n                  ', '\n                    2018-7\n                  '), ('https://book.douban.com/subject/30237869/?icn=index-latestbook-subject', '爱情故事的两个版本', '\n                    [塞尔维亚]雅丝米娜·米哈伊洛维奇&nbsp;/&nbsp;[塞尔维亚] 米洛拉德·帕维奇\n                  ', '\n                    2018-8\n                  '), ('https://book.douban.com/subject/30200827/?icn=index-latestbook-subject', '乐队女孩', '\n                    [美]金·戈登\n                  ', '\n                    2018-7\n                  ')]
      
      import re

      获得的内容

      可以发现,获取的内容中有很多的空格等内容,内容杂乱。解决方法如下:

    2. 方法一:使用strip()方法去空格

      import re
      import requests content = requests.get('https://book.douban.com/').text
      #print(content)
      pattern = re.compile('<li.*?"cover">.*?href="(.*?)" title="(.*?)".*?"more-meta".*?"author">(.*?)</span>.*?"year">(.*?)</span>.*?</li>',re.S) result = re.findall(pattern,content)
      for i in result:
      print(i[0].strip(),i[1].strip(),i[2].strip(),i[3].strip())
      https://book.douban.com/subject/30274766/?icn=index-editionrecommend 潦草 贾行家 2018-8
      https://book.douban.com/subject/30228612/?icn=index-editionrecommend 游泳回家 [英]德博拉·利维 2018-8-1
      https://book.douban.com/subject/30280804/?icn=index-editionrecommend 薛兆丰经济学讲义 薛兆丰 2018-7-1
      https://book.douban.com/subject/30185326/?icn=index-editionrecommend 给孩子的未来脑计划 魏坤琳 2018-4
      https://book.douban.com/subject/30288807/?icn=index-editionrecommend 加密与解密(第4版) 段钢 2018-9-1
      https://book.douban.com/subject/30203733/?icn=index-latestbook-subject 阳光劫匪友情测试 [日] 伊坂幸太郎 2018-8-1
      https://book.douban.com/subject/30198886/?icn=index-latestbook-subject 艾略特·厄威特的巴黎 [美] 艾略特·厄威特&nbsp;/&nbsp;Elliott Erwitt 2018-6
      https://book.douban.com/subject/30246163/?icn=index-latestbook-subject 默读.2 Priest 2018-6
      https://book.douban.com/subject/30280610/?icn=index-latestbook-subject 天长地久 龙应台 2018-8-1
      https://book.douban.com/subject/30167361/?icn=index-latestbook-subject 柏林1:石之城 [美] 贾森·卢茨 2018-9
      https://book.douban.com/subject/26877230/?icn=index-latestbook-subject 《英国史》(全三卷) [英]西蒙·沙玛 2018-7
      https://book.douban.com/subject/28170953/?icn=index-latestbook-subject 荣耀 [美]纳博科夫 2018-7
      https://book.douban.com/subject/30274068/?icn=index-latestbook-subject 经济学的思维方式 托马斯·索维尔 2018-8
      https://book.douban.com/subject/30238143/?icn=index-latestbook-subject 奥尔拉 [法] 纪尧姆·索雷尔 编绘 2018-9
      https://book.douban.com/subject/30229646/?icn=index-latestbook-subject 阿波罗 [英] 扎克·斯科特 2018-7-1
      https://book.douban.com/subject/27176955/?icn=index-latestbook-subject 罗特小说集2 [奥] 约瑟夫·罗特&nbsp;/&nbsp;刘炜 主编 2018-6
      https://book.douban.com/subject/30231921/?icn=index-latestbook-subject 中国古代的谣言与谶语 栾保群 2018-7-1
      https://book.douban.com/subject/27598730/?icn=index-latestbook-subject 突然死亡 [墨]阿尔瓦罗·恩里克 2018-7
      https://book.douban.com/subject/27197821/?icn=index-latestbook-subject 洞穴 [葡] 若泽·萨拉马戈 2018-6
      https://book.douban.com/subject/30259504/?icn=index-latestbook-subject 伟大的海 [英]大卫‧阿布拉菲亚 2018-7-1
      https://book.douban.com/subject/30243869/?icn=index-latestbook-subject 冷山 [美] 查尔斯·弗雷泽 2018-8
      https://book.douban.com/subject/30252127/?icn=index-latestbook-subject 今天也要好好地过 [日] 吉竹伸介 2018-8
      https://book.douban.com/subject/30180831/?icn=index-latestbook-subject 哀歌 [日] 远藤周作 2018-6
      https://book.douban.com/subject/27191001/?icn=index-latestbook-subject 东洋的近世 [日]宫崎市定 著&nbsp;/&nbsp;[日]砺波护 编 2018-7-20
      https://book.douban.com/subject/30280340/?icn=index-latestbook-subject 格林童话 格林兄弟 2018-8
      https://book.douban.com/subject/30222403/?icn=index-latestbook-subject 明治天皇 (美) 唐纳德·基恩 (Donald Keene) 2018-7
      https://book.douban.com/subject/30218856/?icn=index-latestbook-subject 房客 [英] 萨拉·沃特斯 2018-7
      https://book.douban.com/subject/27045307/?icn=index-latestbook-subject 唐物的文化史 [日] 河添房江 2018-7
      https://book.douban.com/subject/30212811/?icn=index-latestbook-subject 夜班经理 [英]约翰·勒卡雷 2018-8
      https://book.douban.com/subject/30271484/?icn=index-latestbook-subject 深蓝的故事 深蓝 2018-7
      https://book.douban.com/subject/30258687/?icn=index-latestbook-subject 战略级天使 白伯欢 2018-7
      https://book.douban.com/subject/30247531/?icn=index-latestbook-subject 听音乐(全彩插图第11版) [美] 罗杰·凯密恩&nbsp;/&nbsp;Roger Kamien 2018-7
      https://book.douban.com/subject/30194496/?icn=index-latestbook-subject 朋友之间 [以]阿摩司·奥兹 2018-7
      https://book.douban.com/subject/30235060/?icn=index-latestbook-subject 情感勒索 [美] 苏珊·福沃德&nbsp;/&nbsp;唐娜·弗雷泽 2018-7
      https://book.douban.com/subject/30193776/?icn=index-latestbook-subject 西游八十一案 陈渐 2018-8
      https://book.douban.com/subject/30187740/?icn=index-latestbook-subject 李霖灿读画四十年 李霖灿 2018-6
      https://book.douban.com/subject/30254431/?icn=index-latestbook-subject 被猜死的人 田耳 2018-8
      https://book.douban.com/subject/30200827/?icn=index-latestbook-subject 乐队女孩 [美]金·戈登 2018-7
      https://book.douban.com/subject/30175383/?icn=index-latestbook-subject 犯罪者的七不规范 张舟 2018-7
      https://book.douban.com/subject/30199434/?icn=index-latestbook-subject 原生家庭 (美)苏珊·福沃德博士&nbsp;/&nbsp;(美)克雷格·巴克 2018-8

      获得的内容

    3. 方法二:使用re.sub()方法替换空格

      import re
      import requests content = requests.get('https://book.douban.com/').text
      pattern = re.compile('<li.*?"cover">.*?href="(.*?)" title="(.*?)".*?"more-meta".*?"author">(.*?)</span>.*?"year">(.*?)</span>.*?</li>',re.S)
      result88 = re.findall(pattern,content)
      #print(result88)
      for result in result88:
      url,name,author,date = result
      author = re.sub('\s','',author)#使用re.sub将(\n)代替
      date = re.sub('\s','',date)
      print(url,name,author,date)
      https://book.douban.com/subject/30274766/?icn=index-editionrecommend 潦草 贾行家 2018-8
      https://book.douban.com/subject/30228612/?icn=index-editionrecommend 游泳回家 [英]德博拉·利维 2018-8-1
      https://book.douban.com/subject/30280804/?icn=index-editionrecommend 薛兆丰经济学讲义 薛兆丰 2018-7-1
      https://book.douban.com/subject/30185326/?icn=index-editionrecommend 给孩子的未来脑计划 魏坤琳 2018-4
      https://book.douban.com/subject/30288807/?icn=index-editionrecommend 加密与解密(第4版) 段钢 2018-9-1
      https://book.douban.com/subject/27598730/?icn=index-latestbook-subject 突然死亡 [墨]阿尔瓦罗·恩里克 2018-7
      https://book.douban.com/subject/30229646/?icn=index-latestbook-subject 阿波罗 [英]扎克·斯科特 2018-7-1
      https://book.douban.com/subject/30194496/?icn=index-latestbook-subject 朋友之间 [以]阿摩司·奥兹 2018-7
      https://book.douban.com/subject/30280610/?icn=index-latestbook-subject 天长地久 龙应台 2018-8-1
      https://book.douban.com/subject/27197821/?icn=index-latestbook-subject 洞穴 [葡]若泽·萨拉马戈 2018-6
      https://book.douban.com/subject/30231921/?icn=index-latestbook-subject 中国古代的谣言与谶语 栾保群 2018-7-1
      https://book.douban.com/subject/30280340/?icn=index-latestbook-subject 格林童话 格林兄弟 2018-8
      https://book.douban.com/subject/30222403/?icn=index-latestbook-subject 明治天皇 (美)唐纳德·基恩(DonaldKeene) 2018-7
      https://book.douban.com/subject/30193776/?icn=index-latestbook-subject 西游八十一案 陈渐 2018-8
      https://book.douban.com/subject/30259504/?icn=index-latestbook-subject 伟大的海 [英]大卫‧阿布拉菲亚 2018-7-1
      https://book.douban.com/subject/28170953/?icn=index-latestbook-subject 荣耀 [美]纳博科夫 2018-7
      https://book.douban.com/subject/30207028/?icn=index-latestbook-subject 中国烟草史 [美]班凯乐 2018-7
      https://book.douban.com/subject/30212811/?icn=index-latestbook-subject 夜班经理 [英]约翰·勒卡雷 2018-8
      https://book.douban.com/subject/30200827/?icn=index-latestbook-subject 乐队女孩 [美]金·戈登 2018-7
      https://book.douban.com/subject/30167361/?icn=index-latestbook-subject 柏林1:石之城 [美]贾森·卢茨 2018-9
      https://book.douban.com/subject/30198886/?icn=index-latestbook-subject 艾略特·厄威特的巴黎 [美]艾略特·厄威特&nbsp;/&nbsp;ElliottErwitt 2018-6
      https://book.douban.com/subject/27176955/?icn=index-latestbook-subject 罗特小说集2 [奥]约瑟夫·罗特&nbsp;/&nbsp;刘炜主编 2018-6
      https://book.douban.com/subject/30247531/?icn=index-latestbook-subject 听音乐(全彩插图第11版) [美]罗杰·凯密恩&nbsp;/&nbsp;RogerKamien 2018-7
      https://book.douban.com/subject/30217911/?icn=index-latestbook-subject 诗人继续沉默 [以色列]亚伯拉罕·耶霍舒亚 2018-7
      https://book.douban.com/subject/27045307/?icn=index-latestbook-subject 唐物的文化史 [日]河添房江 2018-7
      https://book.douban.com/subject/30258687/?icn=index-latestbook-subject 战略级天使 白伯欢 2018-7
      https://book.douban.com/subject/30252127/?icn=index-latestbook-subject 今天也要好好地过 [日]吉竹伸介 2018-8
      https://book.douban.com/subject/30180831/?icn=index-latestbook-subject 哀歌 [日]远藤周作 2018-6
      https://book.douban.com/subject/30274068/?icn=index-latestbook-subject 经济学的思维方式 托马斯·索维尔 2018-8
      https://book.douban.com/subject/30243869/?icn=index-latestbook-subject 冷山 [美]查尔斯·弗雷泽 2018-8
      https://book.douban.com/subject/30254431/?icn=index-latestbook-subject 被猜死的人 田耳 2018-8
      https://book.douban.com/subject/27191001/?icn=index-latestbook-subject 东洋的近世 [日]宫崎市定著&nbsp;/&nbsp;[日]砺波护编 2018-7-20
      https://book.douban.com/subject/30203733/?icn=index-latestbook-subject 阳光劫匪友情测试 [日]伊坂幸太郎 2018-8-1
      https://book.douban.com/subject/30271484/?icn=index-latestbook-subject 深蓝的故事 深蓝 2018-7
      https://book.douban.com/subject/30246163/?icn=index-latestbook-subject 默读.2 Priest 2018-6
      https://book.douban.com/subject/27661637/?icn=index-latestbook-subject 放牧人生 [英]詹姆斯·里班克斯 2018-7
      https://book.douban.com/subject/30237869/?icn=index-latestbook-subject 爱情故事的两个版本 [塞尔维亚]雅丝米娜·米哈伊洛维奇&nbsp;/&nbsp;[塞尔维亚]米洛拉德·帕维奇 2018-8
      https://book.douban.com/subject/30187740/?icn=index-latestbook-subject 李霖灿读画四十年 李霖灿 2018-6
      https://book.douban.com/subject/30218856/?icn=index-latestbook-subject 房客 [英]萨拉·沃特斯 2018-7
      https://book.douban.com/subject/26877230/?icn=index-latestbook-subject 《英国史》(全三卷) [英]西蒙·沙玛 2018-7

      获得的结果

PYTHON 爬虫笔记四:正则表达式基础用法的更多相关文章

  1. Python爬虫进阶四之PySpider的用法

    审时度势 PySpider 是一个我个人认为非常方便并且功能强大的爬虫框架,支持多线程爬取.JS动态解析,提供了可操作界面.出错重试.定时爬取等等的功能,使用非常人性化. 本篇内容通过跟我做一个好玩的 ...

  2. Python爬虫入门四之Urllib库的高级用法

    1.设置Headers 有些网站不会同意程序直接用上面的方式进行访问,如果识别有问题,那么站点根本不会响应,所以为了完全模拟浏览器的工作,我们需要设置一些Headers 的属性. 首先,打开我们的浏览 ...

  3. 转 Python爬虫入门四之Urllib库的高级用法

    静觅 » Python爬虫入门四之Urllib库的高级用法 1.设置Headers 有些网站不会同意程序直接用上面的方式进行访问,如果识别有问题,那么站点根本不会响应,所以为了完全模拟浏览器的工作,我 ...

  4. python爬虫之Beautiful Soup基础知识+实例

    python爬虫之Beautiful Soup基础知识 Beautiful Soup是一个可以从HTML或XML文件中提取数据的python库.它能通过你喜欢的转换器实现惯用的文档导航,查找,修改文档 ...

  5. [Python爬虫笔记][随意找个博客入门(一)]

    [Python爬虫笔记][随意找个博客入门(一)] 标签(空格分隔): Python 爬虫 2016年暑假 来源博客:挣脱不足与蒙昧 1.简单的爬取特定url的html代码 import urllib ...

  6. python爬虫之re正则表达式库

    python爬虫之re正则表达式库 正则表达式是用来简洁表达一组字符串的表达式. 编译:将符合正则表达式语法的字符串转换成正则表达式特征 操作符 说明 实例 . 表示任何单个字符 [ ] 字符集,对单 ...

  7. python爬虫笔记Day01

    python爬虫笔记第一天 Requests库的安装 先在cmd中pip install requests 再打开Python IDM写入import requests 完成requests在.py文 ...

  8. 爬虫简介、requests 基础用法、urlretrieve()

    1. 爬虫简介 2. requests 基础用法 3. urlretrieve() 1. 爬虫简介 爬虫的定义 网络爬虫(又被称为网页蜘蛛.网络机器人),是一种按照一定的规则,自动地抓取万维网信息的程 ...

  9. Python爬虫实战四之抓取淘宝MM照片

    原文:Python爬虫实战四之抓取淘宝MM照片其实还有好多,大家可以看 Python爬虫学习系列教程 福利啊福利,本次为大家带来的项目是抓取淘宝MM照片并保存起来,大家有没有很激动呢? 本篇目标 1. ...

随机推荐

  1. 第3章 CentOS常用命令

    一.CentOS常用命令 1.1 文件和目录 # cd /home                        进入 '/home' 目录 # cd ..                       ...

  2. Oracle if else 、case when 判断示例

    declare -- 声明奖金的变量 v_comm emp.comm%type; begin -- 查询出员工的奖金 select comm into v_comm from emp where em ...

  3. 358. Rearrange String k Distance Apart

    /* * 358. Rearrange String k Distance Apart * 2016-7-14 by Mingyang */ public String rearrangeString ...

  4. Linux下快速删除输错的密码技巧(快速删除输入的命令)

    1.[Esc]+[退格键(Backspace)] 2.[Ctrl]+[U] 说明:以上两个快捷键都会删除全部输错的命令或密码. 参考: http://blog.csdn.net/u013895662/ ...

  5. 【java】Java transient关键字使用小记【转】

    转载地址:https://www.cnblogs.com/lanxuezaipiao/p/3369962.html 1. transient的作用及使用方法 我们都知道一个对象只要实现了Seriliz ...

  6. Don't Panic! KRACK 没你想象的那么糟

    上海交通大学密码与计算机安全实验室(LoCCS)软件安全小组(GoSSIP)版权所有,转载请与作者取得联系! 著名的计算机学术安全会议CCS在2017年录用了一篇名为Key Reinstallatio ...

  7. 开始我的GL离屏渲染绑定[转]

    地址: http://wiki.woodpecker.org.cn/moin/lilin/swig-glBmpContext 呵呵,有了第一次的经验,我们就要开始我们的GL离屏渲染的绑定了. 关 于O ...

  8. 转: 写给想成为前端工程师的同学们 (from 360前端团队)

    转自:     http://www.75team.com/post/to-be-a-good-frontend-engineer.html 前端工程师是做什么的? 前端工程师是互联网时代软件产品研发 ...

  9. AngularJS的简单表单验证

    代码下载:https://files.cnblogs.com/files/xiandedanteng/angularjsCheckSimpleForm.rar 代码: <!DOCTYPE HTM ...

  10. 【LeetCode-面试算法经典-Java实现】【002-Add Two Numbers (单链表表示的两个数相加)】

    [002-Add Two Numbers (单链表表示的两个数相加)] 原题 You are given two linked lists representing two non-negative ...