提取資料步驟：建立正則物件-->匹配查詢-->提取資料儲存；
知識點：
1.單字元：
. : 除換行以外所有字元
：[aoe] [a-w] 匹配集合中任意乙個字元
\d ：數字 [0-9]
\d : 非數字
\w ：數字、字母、下劃線、中文
\w : 非\w
\s ：所有的空白字元包,括空格、製表符、換頁符等等。等價於 [ \f\n\r\t\v]。
\s : 非空白
2.數量修飾：
* : 任意多次 >=0
+ : 至少1次 >=1
? : 可有可無 0次或者1次
：固定m次 hello
：至少m次
：m-n次
3.邊界：
$ : 以某某結尾
^ : 以某某開頭
4.分組：
(ab)
貪婪模式 .*
非貪婪（惰性）模式 .*?
re.i : 忽略大小寫
re.m ：多行匹配
re.s ：單行匹配
re.sub(正規表示式, 替換內容, 字串)
import re
line = "bobby123"
regex_str = "^b.*"
# 必須以b開頭，任意字元匹配
（^控制開頭字元）
regex_str1 = "^b.3$"
#(.*3$)必須以3結尾;
(^b.3$)不能執行成功，若改為（^b.*3$）則可以；
（$控制結位字元，.表示匹配任意字元，*表示匹配的次數）
if re.match(regex_str,line):
print("yes")
ps: .*？為非貪婪匹配模式 ; 貪婪匹配：反向匹配;
line2 = "boooooooobby123"
regex_str2 = ".*(b.+b).*"
regex_str2 = ".*(b.*b).*"
regex_str2 = ".*(b.b).*"#匹配兩次以上
regex_str2 = ".*(b.b).*" #匹配兩次以上5次一下
regex_str2 = "( (boooooooobby|bobby)123)" #(|為或；雙重（）號則為全匹配)
regex_str2 = "（[abcd]ooby）123"#（括號表示符合括號在內都行;符合abcd任意都行）
應用舉例三：（中括號用途例子）
[.*] 中括號內.＊不代表模式匹配；
[^] 取反 不等於；
**號匹配 line = 『18782902222』
regex_str2 = 「1[48357][0-9]」#區間0-9出現9次
regex_str2 = 「1[48357][^1]」#數字不等於1出現9次
#非貪婪匹配：
regex_str2 = ".*?(b.*b).*?"
match_obj = re.match(regex_str2,line2)
if match_obj:
print(match_obj.group(1))
group()可以返回match物件中匹配的值；
其他函式 ：compile() search() findall() finditer() split() sub()
參考：應用舉例四：（提取中文）
[\u4e00-\u9fa%] ：提取中文
line = 「study in 南京大學」
ewgex_str = 「.*?( [\u4e00-\u9fa%]+大學)「
#（.*匹配任意字元） 輸出：京大學
#（.*？匹配任意字元） 輸出：南京大學即為非貪婪匹配
match_obj = re.match(regex_str,line)
if match_obj:
print(match_obj.group(1))
line = 「xx出生於2023年」
ewgex_str = 「.*?(\d+)年」
ewgex_str = 「.*(\d+)年」#限定四次；
#（.*匹配任意字元） 輸出：2001
#（.*？匹配任意字元） 輸出：2001
match_obj = re.match(regex_str,line)
if match_obj:
print(match_obj.group(1))
import re
line = 「***出生於2023年6月1日」
line = 「***出生於2001/6/1日」
line = 「***出生於2001-6-1」
line = 「***出生於2001-06-01」
line = 「***出生於2001-06」
regex_str = 「.*出生於（\d[年/-]\d([月/-]\d|[月/-]$|&)）」
match_obj = re.match(regex_str,line)
if match_obj:
print(「yes」)
python爬蟲 資料解析（正則）
正則解析案例 爬取糗事百科的 糗事百科url 檢視網頁源 發現儲存的位址 import requests import re import os if name main headers 判斷是否存在qiushi資料夾，如果不存在就建立乙個 ifnot os.path.exists qiushi o...
爬蟲解析方式
對於爬蟲解析來說，常見的解析方式有幾種 正規表示式 一種萬能的解析方式，是一種模式，可以匹配文字片段的模式來處理字串，但是編寫正規表示式不方便，常用的可有re ret re.findall a eva egon yuan 返回所有滿足匹配條件的結果,放在列表裡 print ret 結果 a a re...
python爬蟲 正規表示式解析
re.i 忽略大小寫 rtuhsgqe.m 多行匹配，將正則作用到源資料的每一行 re.s 單行匹配，將正則作用到整個源資料，輸出乙個整體字串 包括換行符也列印 string fall in love with you i love you very much i love she i love h...