python正则表达式，以及应用[下载图片]

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

regular expresion由一系列特定字符及其组合成的字符串，用来对目标字符串进行过滤操作。。

re相关知识点

python正则表达式库为re,用import re导入,在然后用re.compile(pattern,flag)将正则表达式字符串编译成正则表达式对象。在利用re提供的内置函数对字符串进行匹配，搜索，替换，切分和分组等操作。

flag常用的取值：
re.I 忽略大小写，re.X 忽略空格

import re

def check(string):

    p=re.compile("^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$",re.I)

    if p.match(string):

        print("%s符合规则"%string)

    else:

        print("%s不符合规则"%string)

st1='dflx@163.com'

st2='123456@qq.com'

check(st1)

check(st2)

dflx@163.com符合规则

123456@qq.com符合规则

re.match()从起始位置匹配
re.search()搜索整个字符串匹配，搜索成功返回起始位置和终止位置。
re.findall()以列表形式返回全部匹配的子串

>>> print(p.match('dAA00'))

None

>>> re.match('adf','sdadfg')

>>> re.search('adf','sdadfgadf')

<_sre.SRE_Match object; span=(2, 5), match='adf'>

>>> re.findall('adf','sdadfgadf')

['adf', 'adf']

切分
在实际应用中，不同数据源用不同的分隔符，可能是空格，制表符号，逗号等等。利用正则表达式和split()函数，可以方便的分开。
re.split(pattern,string[,maxsplit])

.分隔开

>>> st='https:\\www.baidu.com'

>>> lt=re.split('\.',st)

>>> lt

['https:\\www', 'baidu', 'com']

逗号和空格分隔。

>>> st='df lx 23,77'

>>> li=re.split('[\s\,]',st)

>>> li

['df', 'lx', '23', '77']

替换，利用re库中sub()和subn()函数，可以将正则表达式所匹配的内容换成指定的字符串。
sub()返回的是替换后的字符串
subn()是以元组类型还回新字符串和替换的次数。

关键字和谐，re写的还是有点问题

下载简书交友专题的妹子图片．

我已经正则表达式，匹配了１０篇文章，但是有些没有图片，有些
图片标签匹配不对，有时间在修改了．　准备遍历整过专题，下载所有图片，嘻嘻，还要判断性别，找出老乡．

import urllib.request

import urllib.parse

import re

import os

def get_road(url0):

    req=urllib.request.Request(url0)

    req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 '

                                 '(KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36')

    response=urllib.request.urlopen(req)

    html=response.read().decode("utf-8")

    pattern=re.compile(r'<a class="title" target="_blank" href="(.*?)"')

    result=re.findall(pattern,html)

    return result

def get_jiaoyou_url(result,s0):

    s=s0

    return geturl(result,s)

def gethtml(ur):

    url=ur

    req=urllib.request.Request(url)

    req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 '

                                 '(KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36')

    response=urllib.request.urlopen(req)

    html=response.read().decode("utf-8")

    return html

def getpath(html):

    #reg=r'.*?\.png'

    reg=r'<img data-original-src="(.*?\.png)"'

    imgre=re.compile(reg)

    urls=imgre.findall(html)

    return urls

def  geturl(url,s):

    urls=[s+str(i) for i in url]

    for i in range(len(urls)):

        print(urls[i])

    print("url_length=",len(urls))

    return urls

def download(urls):

    x=10

    print("length=",len(urls))

    for url in urls:

        filename='/home/dflx/下载/jiaoyou_photo/'+str(x)+'.png'

        urllib.request.urlretrieve(url,filename)

        x+=1

    print(x)

def download_all(urls):

    print(len(urls))

    print('---------------')

    index=0

    while index<len(urls):

        print(urls[index])

        #download(urls[index])

        index+=1

        print("********")

def main():

    url0="https://www.jianshu.com/c/bd38bd199ec6"

    #ur='https://www.jianshu.com/p/407dac18983c'

    ur='https://www.jianshu.com/p/189d1b8101e6'

    html=gethtml(ur)

    path=getpath(html)

    urls=geturl(path,'https:')

    download(urls)

    """

    result=get_road(url0)

    allurls=get_jiaoyou_url(result,'https://www.jianshu.com')

    download_all(allurls)

   """