python 怎么提取html内容啊？（正则）

python提取html内容的方法。如下参考：

网站建设哪家好，找创新互联！专注于网页设计、网站建设、微信开发、微信小程序开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了泾县免费建站欢迎大家使用！

1.首先，打开Python来定义字符串，在定义的字符串后面加上中括号，然后在要提取的字符位置输入zhidao。

2.点击运行程序，可以看到系统打印出的第一个字符在我们定义的字符串中，因为字符串是空格，空格占据了位置。

3.这里可以看到字符显示在程序运行界面的底部，根据我们指定的内容输出，这里写的版本是0输出的第一个字符。

4.还可以一次打印多个字符。如图所示，用冒号分隔字符串的开头，并将其写入方括号中以显示多个字符。

5.这里的输入位置是0到5，你可以发现，与我们的字符串内容相比，字符的相应位置被打印出来，而字符的另一个位置则完全不显示。

6.如果字符串比较大，大于内容的权重，从下面的数字比较方便，也可以直接输出倒数的字符。

7.这时直接用负号来表示这是倒数的位置，它使用起来也特别方便。

python怎么根据正则表达式提取指定的内容

python 根据正则表达式提取指定的内容

正则表达式是极其强大的，利用正则表达式来提取想要的内容是很方便的事。

下面演示了在python里，通过正则表达式来提取符合要求的内容。

实例代码：

import re# 正则表达式是极其强大的，利用正则表达式来提取想要的内容是很方便的事。# 下面演示了在python里，通过正则表达式来提取符合要求的内容。有几个要注意# 的地方就是：# [1] 要用()将需要的内容包含起来# [2] 编号为0的group是整个符合正则表达式的内容，编号为1的是第一个(及对应# 的)包含的内容# @param regex: regular expression, use () to group the result# 正则表达式，用()将要提取的内容包含起来# @param content: # @param index: start from 1, depends on the \p regex's ()# 从1开始，可以通过数(来得到，其中0是全部匹配# @return: the first match of the \p regex# 只返回第一次匹配的内容def extractData(regex, content, index=1): r = '0' p = re.compile(regex) m = p.search(content) if m: r = m.group(index) return r regex = r'第(.*)场雪'content = '2002年的第一场雪'index = 1print extractData(regex, content, index)

如何用python正则?

（1）re.match()函数

re.match 尝试从字符串的开始匹配一个模式。

函数语法：

re.match(pattern, string, flags=0)

函数参数说明：

参数

描述

pattern    匹配的正则表达式  

string    要匹配的字符串。  

flags    标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。  

匹配成功re.match方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法

描述

group(num=0)    匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。  

groups()    返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。  

（2）re.research()函数

re.search匹配整个字符串，直到找到一个匹配。

函数语法：

re.search(pattern, string, flags=0)

函数参数说明：

参数

描述

pattern    匹配的正则表达式  

string    要匹配的字符串。  

flags    标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。  

匹配成功re.search方法方法返回一个匹配的对象，否则返回None。

我们可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

匹配对象方法

描述

group(num=0)    匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。  

groups()    返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。  

（3）实例

我这里采用re.search()函数解决的问题。

测试数据集为购物网站用户评论

实例代码：

[python] view plain copy

# -*-coding:utf-8 -*-

import sys

import re

reload(sys)

text = open('JD_DFB_comments.txt')

line = text.readline()

#i = 0

while line:

#i = i+1

#re.search匹配整个字符串，直到找到一个匹配。

n1 = re.search(r'(要(是|能)(.*)就(更|好|再|直观|完美|太)(.*)了)',line)

n2 = re.search(r'(如果)(.*)就(更|好|再|直观|完美|太)(.*)了',line)

#打开将要写入的数据

data = open('aa.txt','a')

if n1:

#print line

data.write(line)      #写入匹配到的数据

#print i              记录匹配结果所在的行数

#print n1.group()     #等于print line

print n1.group(3)     #打出第三个括号里的内容

if n2:

#print n2.group()

print n2.group(2)

line = text.readline()

text.close()

阅读更多

个人分类： Python语言

想对作者说点什么？ 我来说一句

Python中re的match、search、findall、finditer区别

python 正则表达式re.sub()提取字符串以及去除空格

Python 的re模块提供了re.sub用于替换字符串中的匹配项。

语法：

re.sub(pattern, repl, string, count=0)

参数：

pattern : 正则中的模式字符串。

repl : 替换的字符串，也可为一个函数。

string : 要被查找替换的原始字符串。

count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

实例：

注：re.sub(r'[a-zA-Z",:{}]', "", data)，中括号表示选择其中的任意元素，a-zA-Z表示任意字母。

分享文章：python正则提取函数,python 正则提取
URL链接：http://chengdu.cdxwcx.cn/article/heghjj.html