python正则表达式的应用
regular expresion由一系列特定字符及其组合成的字符串，用来对目标字符串进行过滤操作。,如手机号码，身份证号码，网址等校验。
python正则表达式库为re,用import re导入,在然后用re.compile(pattern,flag)将正则表达式字符串编译成正则表达式对象。在利用re提供的内置函数对字符串进行匹配，搜索，替换，切分和分组等操作。
flag常用的取值：
re.I 忽略大小写，re.X 忽略空格
import re
def check(string):
p=re.compile("^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$",re.I)
if p.match(string):
print("%s符合规则"%string)
else:
print("%s不符合规则"%string)
st1='dflx@163.com'
st2='123456@qq.com'
check(st1)
check(st2)dflx@163.com符合规则
123456@qq.com符合规则re.match()从起始位置匹配
re.search()搜索整个字符串匹配，搜索成功返回起始位置和终止位置。
re.findall()以列表形式返回全部匹配的子串
>>> print(p.match('dAA00'))
None
>>> re.match('adf','sdadfg')
>>> re.search('adf','sdadfgadf')
<_sre.SRE_Match object; span=(2, 5), match='adf'>
>>> re.findall('adf','sdadfgadf')
['adf', 'adf']切分
在实际应用中，不同数据源用不同的分隔符，可能是空格，制表符号，逗号等等。 利用正则表达式和split()函数，可以方便的分开。
re.split(pattern,string,maxsplit)
.分隔开
>>> st='https:\\www.baidu.com'
>>> lt=re.split('\.',st)
>>> lt
['https:\\www', 'baidu', 'com']逗号和空格分隔。
>>> st='df lx 23,77'
>>> li=re.split('[\s\,]',st)
>>> li
['df', 'lx', '23', '77']替换，利用re库中sub()和subn()函数，可以将正则表达式所匹配的内容换成指定的字符串。
sub()返回的是替换后的字符串
subn()是以元组类型还回新字符串和替换的次数。
关键字和谐，re写的还是有点问题
>>> p=re.compile('sb' or 'fuck' or '傻逼')
>>> say='are you sb? i want to fuck you. 大傻逼'
>>> print(p.sub('***',say))
are you ***? i want to fuck you. 大傻逼
>>> print(p.subn('***',say))
('are you ***? i want to fuck you. 大傻逼', 1)
>>> p=re.compile('[sbfuck傻逼] 下载简书交友专题的妹子图片．
我已经正则表达式，匹配了１０篇文章，但是有些没有图片，有些 图片标签匹配不对，有时间在修改了． 准备遍历整过专题，下载所有图片，嘻嘻，还要判断性别，找出老乡．
import urllib.request
import urllib.parse
import re
import os
def get_road(url0):
req=urllib.request.Request(url0)
req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36')
response=urllib.request.urlopen(req)
html=response.read().decode("utf-8")
pattern=re.compile(r'<a class="title" target="_blank" href="(.*?)"')
result=re.findall(pattern,html)
return result
def get_jiaoyou_url(result,s0):
s=s0
return geturl(result,s)
def gethtml(ur):
url=ur
req=urllib.request.Request(url)
req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36')
response=urllib.request.urlopen(req)
html=response.read().decode("utf-8")
return html
def getpath(html):
#reg=r'.*?\.png'
reg=r'<img data-original-src="(.*?\.png)"'
imgre=re.compile(reg)
urls=imgre.findall(html)
return urls
def geturl(url,s):
urls=[s+str(i) for i in url]
for i in range(len(urls)):
print(urls[i])
print("url_length=",len(urls))
return urls
def download(urls):
x=10
print("length=",len(urls))
for url in urls:
filename='/home/dflx/下载/jiaoyou_photo/'+str(x)+'.png'
urllib.request.urlretrieve(url,filename)
x+=1
print(x)
def download_all(urls):
print(len(urls))
print('---------------')
index=0
while index<len(urls):
print(urls[index])
#download(urls[index])
index+=1
print("********")
def main():
url0="https://www.jianshu.com/c/bd38bd199ec6"
#ur='https://www.jianshu.com/p/407dac18983c'
ur='https://www.jianshu.com/p/189d1b8101e6'
html=gethtml(ur)
path=getpath(html)
urls=geturl(path,'https:')
download(urls)
"""
result=get_road(url0)
allurls=get_jiaoyou_url(result,'https://www.jianshu.com')
download_all(allurls)
"""下载图片
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018.05.04 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读