匹配()函数的使用。以及从文本中提取数据的方法。在学习再保险模块的相关函数前应了解正则表达式的特殊字符
准备一个要爬取的文本文档:
直接从某个网页拷贝一份代码,粘贴在一个txt文件里,以供学习。
方法很简单,比如打开百度视频的热门电影网页,右键点击查看源代码,然后复制,粘贴到一个txt文件里,保存到工作目录下。
有4000多行。
re.match(模式、字符串、旗帜=0)
①模式,是正则表达式.string,被检验的字符串。
②旗帜是可选参数,此标记是用来对彭定康的补充,例如:re.S,可以让正则表达式中的点匹配换行符\ n。(如图片中,可以看帮助文档,查看有哪些标记)
③匹配()函数由左向右检验字符串,若匹配到正则表达式,返回一个匹配对象,否则就返回没有。
④re.match()匹配字符串的开始位置,而不匹配每行开始。
- - - - -所以才将网页的每行放入列表,以供匹配函数对每行操作。
比如要在文档中,提取电影的网址,和电影名。
①复制那行文本作为表达式,
②将要提取的网址和和电影名替换为(. *),这只是暂时的,可以在接下来的代码中调整。
读取文本:
①张开()语用句读取;
②用readline,一次性读完,返回一个列表,元素是文本的每一行。
张开(‘aa.txt’,‘r’,编码=皍tf - 8”) f: 行=f.readlines ()
①判断每行是否返回了匹配的对象,
②接收匹配对象,并用组()提取表达式内括号的内容;
线的线: 如果re.match (pat,线):#判断过滤掉返回不的行, ret=re.match (pat,线)#接收匹配对象 print (ret.groups ())
发现有不符合的行,稍加修改,过滤掉不符合的行:
因为,不合的行都有空格(或其他字符)。可以给第二子组的点。换成非[^];非空格的任意字符,意思就是不要有空格的。
用f-string格式化对输出的文本稍加修饰,使用组(1),(2),
可以将这段代码封装为一个函数。爬取百度视频的其他栏目。
测试:百度视频的电影,电视剧,和动漫等栏目,网页上的格式基本相同,所以用上面的函数直接套用。
打开百度视频的动漫,复制源代码,存为bb.txt。
同样可以爬取网址和视频名称。
以上仅是练习匹配()函数的例子。
以上就是关于python如何用匹配()函数爬数据的全部内容,感谢大家的阅读和对的支持。