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‘]
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 | 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>‘] """
|