- 常用的正则表达式匹配规则
\d 表示一个数字字符，等价于 [0-9]
\D 表示一个非数字字符，等价于 [^\d]
\s 表示一个空白字符，等价于 [<空格>\t\r\n\f\v]
\S 表示一个非空白字符，等价于 [^\s]
\w 表示一个单词字符(数字或字母)，等价于 [A-Za-z0-9_]\W 表示一个非单词字符，等价于 [^\w]. 匹配除换行符\n之外的任意一个字符.* 在一行内，贪婪(尽可能多)匹配任意个字符
.*? 在一行内，非贪婪(尽可能少)匹配任意个字符
(?P<name>pattern) 和 (P=name) 用来多次匹配同一模式的字符串，pattern为匹配该模式的正则表达式
- 习题1：（爬虫）获取网页内容中的skuid字段和对应图片
1 # 爬虫：获取网页内容中的skuid字段和对应图片 2 import re 3 import requests 4 5 url = "http://qwd.jd.com/fcgi-bin/qwd_searchitem_ex?skuid=26878432382%7C1658610413%7C26222795271%7C25168000024%7C11731514723%7C26348513019%7C20000220615%7C4813030%7C25965247088%7C5327182%7C19588651151%7C1780924%7C15495544751%7C10114188069%7C27036535156%7C10123099847%7C26016197600%7C10503200866%7C16675691362%7C15904713681" 6 7 session = request.session() 8 r = session.get(url) 9 html = r.text10 11 reg = re.compile(r"\"skuid\":\"(\d+)\",\s+\"\S+\s+\"skuurl\"\S+\s+\"skuimgurl\":\"(\S+)\",")12 result = reg.findall(html)13 print(result)
- 习题2：将指定文件中的每个Upstream和Location都保存为一个文件
备注：先在regex101网站上，将相应的正则表达式写正确，然后再写python代码
匹配upstream的正则表达式如下：
匹配location的正则表达式如下：
python代码如下：
1 import codecs 2 import re 3 import os 4 5 regUpstream =re.compile(r"\s*(upstream\s+(\S+)\s+{[^}]+})") 6 with codecs.open("ga10.txt") as fu: 7 textUpstream = regUpstream.findall(fu.read()) 8 if not os.path.exists("upstream"): 9 os.mkdir("upstream")10 os.chdir("upstream")11 for item in textUpstream:12 with codecs.open(item[1], "w") as fw:13 fw.write(item[0])14 os.chdir("..")15 16 17 regLocation = re.compile(r"\s*(location\s+/(\S+)/\s+{[^}]+})")18 with codecs.open("ga10.txt") as fl:19 textLocation = regLocation.findall(fl.read())20 if not os.path.exists("location"):21 os.mkdir("location")22 os.chdir("location")23 for item in textLocation:24 file = item[1] + ".location.conf"25 with codecs.open(file, "w") as fw2:26 fw2.write(item[0])