标签：json next art 方法 logs oldboy 通过 替换 callable
1. findall() 函数
1 find(‘正则表达式‘，‘待匹配的字符串’) #返回匹配到字符串，并存放在列表中
详解见：https://www.cnblogs.com/nbk-zyc/p/11113328.html
1 import re 2 3 ret = re.findall(‘www.(baidu|oldboy).com‘, ‘www.oldboy.com‘) 4 print(ret) # [‘oldboy‘] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可 5 6 ret = re.findall(‘www.(?:baidu|oldboy).com‘, ‘www.oldboy.com‘) 7 print(ret) # [‘www.oldboy.com‘]
2. search() 函数
1 import re 2 ret = re.search(‘abc‘, ‘this is abcABC‘).group() 3 print(ret) #结果 : ‘abc‘ 4 # 函数会在字符串内按规则匹配,当找到第一个匹配结果时就结束查找，然后返回一个包含匹配信息的对象,该对象可以 通过 调用group()方法 得到匹配的字符串, 5 # 如果没有匹配到字符串，则返回None
1 obj = re.compile(‘\d{3}‘) #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 2 ret = obj.search(‘abc123eeee‘) #正则表达式对象调用search，参数为待匹配的字符串 3 print(ret.group()) #结果 ： 123
3. match() 函数
1 import re 2 ret = re.match(‘this‘, ‘this is abcABC‘).group() 3 print(ret) #结果 : ‘this‘ 4 # 在字符串开始处 就按规则匹配，其它 与search()函数使用方法一样
4 finditer() 函数
1 import re 2 ret = re.finditer(‘\d‘, ‘ds3sy4784a‘) #finditer返回一个存放匹配结果的迭代器 3 print(ret) # <callable_iterator object at 0x10195f940> 4 print(next(ret).group()) #查看第一个结果 ‘3‘ 5 print(next(ret).group()) #查看第二个结果 ‘4‘ 6 print([i.group() for i in ret]) #查看剩余的匹配结果 [‘7‘, ‘8‘, ‘4‘]
5 sub() 和 subn() 函数
1 import re 2 ret = re.sub(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘, 1)#将数字替换成‘H‘，参数1表示只替换1个 3 print(ret) #evaHegon4yuan4 4 5 ret = re.subn(‘\d‘, ‘H‘, ‘eva3egon4yuan4‘) 6 print(ret) 7 #将数字替换成‘H‘，返回元组(替换的结果,替换了多少次),即(‘evaHegonHyuanH‘, 3)
6 split() 函数
1 ret = re.split(‘[ab]‘, ‘abcd‘) # 先按‘a‘分割得到‘‘和‘bcd‘,在对‘‘和‘bcd‘分别按‘b‘分割 2 print(ret) # [‘‘, ‘‘, ‘cd‘]
1 ret=re.split("\d+","eva3egon4yuan") 2 print(ret) #结果 ： [‘eva‘, ‘egon‘, ‘yuan‘] 3 4 ret=re.split("(\d+)","eva3egon4yuan") 5 print(ret) #结果 ： [‘eva‘, ‘3‘, ‘egon‘, ‘4‘, ‘yuan‘] 6 7 #在匹配部分加上（）之后所切出的结果是不同的， 8 #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， 9 #这个在某些需要保留匹配部分的使用过程是非常重要的。
扩展练习
1 ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>") 2 #还可以在分组中利用 ?P<name>的形式给分组起名字 3 #获取的匹配结果可以直接用group(‘名字‘)拿到对应的值 4 print(ret.group(‘tag_name‘)) #结果 ：h1 5 print(ret.group()) #结果 ：<h1>hello</h1> 6 7 ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>") 8 #如果不给组起名字，也可以用 \序号 来找到对应的组，表示要找的内容和前面的组内容一致 9 #获取的匹配结果可以直接用group(序号)拿到对应的值 10 print(ret.group(1)) #结果 ：h1 11 print(ret.group()) #结果 ：<h1>hello</h1>
1 import re 2 3 #匹配数字 4 ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))") 5 print(ret) #[‘1‘, ‘2‘, ‘60‘, ‘40‘, ‘35‘, ‘5‘, ‘4‘, ‘3‘] 6 7 #匹配整数 8 ret=re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))") 9 print(ret) #[‘1‘, ‘-2‘, ‘60‘, ‘‘, ‘5‘, ‘-4‘, ‘3‘] 10 ret.remove("") 11 print(ret) #[‘1‘, ‘-2‘, ‘60‘, ‘5‘, ‘-4‘, ‘3‘] 12 13 #匹配实数 14 ret=re.findall(r"-?\d+\.\d*|-?\d+","1-2*(60+(-40.35/5)-(-4*3))") 15 print(ret) #[‘1‘, ‘-2‘, ‘60‘, ‘-40.35‘, ‘5‘, ‘-4‘, ‘3‘]
1 import re 2 from urllib.request import urlopen 3 4 def getPage(url): 5 response = urlopen(url) 6 return response.read().decode(‘utf-8‘) 7 8 def parsePage(s): 9 ret = re.findall( 10 ‘<div class="item">.*?‘ 11 ‘<div class="pic">.*?‘ 12 ‘<em .*?>‘ 13 ‘(?P<id>\d+).*?‘ 14 ‘<span class="title">(?P<title>.*?)</span>.*?‘ 15 ‘<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?‘ 16 ‘<span>(?P<comment_num>.*?)评价</span>‘,s,re.S) 17 return ret 18 19 def main(num): 20 url = ‘https://movie.douban.com/top250?start=%s&filter=‘ % num # %s标记每页的首条信息 21 response_html = getPage(url) #获取网页的全部内容 22 ret = parsePage(response_html) #解析所需求的信息 23 print(ret) 24 25 count = 0 26 for i in range(10): # 10页 27 main(count) 28 count += 25 # 每页25条信息
1 from urllib.request import urlopen 2 import re 3 import json 4 5 def getPage(url): 6 response = urlopen(url) 7 return response.read().decode(‘utf-8‘) 8 def parsePage(s): 9 com = re.compile( 10 ‘<div class="item">.*?‘ 11 ‘<div class="pic">.*?‘ 12 ‘<em .*?>‘ 13 ‘(?P<id>\d+).*?‘ 14 ‘<span class="title">(?P<title>.*?)</span>.*?‘ 15 ‘<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?‘ 16 ‘<span>(?P<comment_num>.*?)评价</span>‘, re.S) 17 ret = com.finditer(s) # finditer返回一个存放匹配结果的迭代器 18 for i in ret: 19 yield { 20 "id": i.group("id"), 21 "title": i.group("title"), 22 "rating_num": i.group("rating_num"), 23 "comment_num": i.group("comment_num"), 24 } 25 def main(num): 26 url = ‘https://movie.douban.com/top250?start=%s&filter=‘ % num 27 response_html = getPage(url) 28 ret = parsePage(response_html) 29 #print(ret) 30 31 f = open("move_info7", "a", encoding="utf-8") 32 for obj in ret: 33 print(obj) 34 data = json.dumps(obj, ensure_ascii=False) 35 f.write(data + "\n") 36 f.close() 37 38 if __name__ == ‘__main__‘: 39 count = 0 40 for i in range(10): 41 main(count) 42 count += 25
标签：json next art 方法 logs oldboy 通过 替换 callable
原文地址：https://www.cnblogs.com/nbk-zyc/p/11115867.html
