re 正则表达式爬取网站标题

时间：2020-02-18 18:14:13 阅读：78 评论：0 收藏：0 [点我收藏+]

标签：品质 saas one container ++ containe ali index alt

import requests
import re

url = ‘http://www.jd.com/‘
#url=‘http://www.eastmoney.com/‘
r=requests.get(url)
r.encoding=‘utf-8‘
data=re.findall(‘<title>(.*?)</title>‘,r.text,re.S)
print(data)

[‘京东(JD.COM)-正品低价、品质保障、配送及时、轻松购物！‘]

[‘东方财富网：财经门户，提供专业的财经、股票、行情、证券、基金、理财、银行、保险、信托、期货、黄金、股吧、博客等各类财经资讯及数据‘]

import re
 
# 提取python
key = "javapythonc++php"
re.findall("python", key)[0]
"""
python
"""
 
# 提取出hello world
key = "<html><h1>hello world</h1></html>"
re.findall(‘<h1>hello world</h1>‘, key)
"""
[‘<h1>hello world</h1>‘]
"""
 
# 提取170
string = "我喜欢身高为170的女孩"
# re.findall("170", string)[0]
re.findall(‘\d+‘, string)
"""
[‘170‘]
"""
 
# 提取出http://和https://
key = ‘http://www.baidu.com and https://boob.com‘
re.findall(‘https{0,1}‘, key)   # {}前的字符出现0次或1次
"""
[‘http‘, ‘https‘]
"""
 
# 提取出hit.
key = "bobo@hit.edu.com"
re.findall("h.*\.", key)   # .表示任意字符(\n除外)；*表示匹配0个或多个；\表示对.转义
"""
[‘hit.edu.‘]
"""
# 贪婪模式：根据正则表达式尽可能多地提取数据。
# 切换为非贪婪模式,加一个"?"
re.findall("h.*?\.", key)
"""
[‘hit.‘]
"""
 
# 匹配sas和saas
key = "saas and sas and saaas"
re.findall(‘sa{1,2}s‘, key)    # 匹配1-2次由前面表达式定义的片段
"""
[‘saas‘, ‘sas‘]
"""
 
# 匹配i开头的行  re.S:基于单行匹配    re.M:基于多行匹配
string = ‘‘‘fall in love with you
i love you very much
i love she
i love her‘‘‘
re.findall("^i.*", string, re.M)
"""
[‘i love you very much‘, ‘i love she‘, ‘i love her‘]
"""
 
# 匹配所有的行
string = """<div>静夜思
床前明月光
疑是地上霜
举头望明月
低头思故乡
</div>"""
re.findall(‘<div>.*</div>‘, string, re.S)
"""
[‘<div>静夜思\n床前明月光\n疑是地上霜\n举头望明月\n低头思故乡\n</div>‘]
"""
 

re 正则表达式爬取网站标题

标签：品质 saas one container ++ containe ali index alt

原文地址：https://www.cnblogs.com/adam012019/p/12327129.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行

re 正则表达式 爬取网站标题

re 正则表达式爬取网站标题