python 正则表达式 re findall 返回能匹配的字符串

python 正则表达式 re findall 方法能够以列表的形式返回能匹配的子串。

re.findall(pattern, string[, flags]):

搜索string，以列表形式返回全部能匹配的子串。先看个简单的代码：

import re

p = re.compile(r'\d+')
print p.findall('one1two2three3four4')

### output ###
# ['1', '2', '3', '4']

稍微复杂点比如:
info = '<a href="http://www.baidu.com">baidu</a>' 我们的需求是通过正则表达式提取网址和锚文本，那可以用到
findall()

import re
relink = '<a href="(.*)">(.*)</a>'
info = '<a href="http://www.baidu.com">baidu</a>'
cinfo = re.findall(relink,info)
print cinfo

输出的结果：[('http://www.baidu.com', 'baidu')] 返回的是一个列表，列表里面是匹配的结果形成的元组形式。如果你需要用正则替换的话，可以看下python re sub

以下是一个网站地图爬虫，其中用到了re.findall 语法

import urllib2import redef download(url,user_agent='wswp', num_retries=2):    print 'downloading:',url    headers={'User-agent':user_agent}    request=urllib2.Request(url,headers=headers)    try:         html=urllib2.urlopen(url).read()    except urllib2.URLError as e:        print 'download error:', e.reason        html=None        if num_retries>0:            if hasattr(e, 'code') and  500<=e.code<600:                #recursively retry 5XX http errors                return download(url, user_agent,num_retries-1)    return html

def crawl_sitemap(url):    #download the sitemap file    sitemap=download(url)    #extract the sitemap links    links = re.findall('<loc>(.*?)</loc>',sitemap)    #download each link    for link in links:        html=download(link)

转载于:https://www.cnblogs.com/mrruning/p/7637463.html

python 正则表达式 re findall 返回能匹配的字符串相关推荐

Python 正则表达式：findall
本文以匹配×××IP为例,介绍re模块的findall的用法: 返回值->列表复杂匹配 = re.compile(正则表达式): 将正则表达式实例化 + re.findall(要匹配的字符串) ...
python正则表达式多个条件的匹配
python正则表达式多个条件的匹配 result = re.search(('大功率.*CIR|标准型.*CIR|小型化.*CIR',i) 通过使用这些关键字可以实现在正则匹配时对多个字段的匹配
python 正则表达式解决包含且不包含某字符串的问题
python 正则表达式解决包含且不包含某字符串的问题本测试使用python的re.compile与re.search作为方法测试包含error不包含abc的实例 python简单正则里只介绍到了不 ...
python 正则表达式 re.findall()方法
from <Python 爬虫开发从入门到实战>谢乾坤 pattern表示正则表达式,string表示原来的字符串,flags表示一些特殊功能的标志. findall的结果是一个列表,包 ...
python正则匹配找到所有的浮点数_Python随笔17：Python正则表达式基础(4)：贪婪匹配和最小匹配...
Python正则表达式贪婪匹配/最小匹配 Re库默认采用贪婪匹配,即匹配最长的子字符串.在量词后面加一个"?",即可由贪婪匹配化为最小匹配. '*'用于将前面的模式匹配0次或多次 ...
python正则表达式03--字符串中匹配数字
import re# \d+ 匹配字符串中的数字部分,返回列表 ss = 'adafasw12314egrdf5236qew' num = re.findall('\d+',ss) print(num ...
python正则表达式过滤非中英文和数字的字符串
import resentence = "厉害了我的村!40亩地种了这些"植苗",当年结果,村民富裕了"# 方法一re.sub('[^\w\u4e00-\u9f ...
python 正则表达式匹配的位置_python正则表达式匹配模式匹配
Python正则式的基本用法初学Python,对Python的文字处理能力有很深的印象,除了str对象自带的一些方法外,就是正则表达式这个强大的模块了.但是对于初学者来说,要用好这个功能还是有点难度 ...
python正则表达式findall_正则表达式 re.findall 用法
正则 re.findall 的简单用法(返回string中所有与pattern相匹配的全部字串,返回形式为数组) 语法: findall(pattern, string, flags=0) impor ...

python 正则表达式 re findall 返回能匹配的字符串

python 正则表达式 re findall 返回能匹配的字符串相关推荐

最新文章

热门文章