使用正則表達(dá)式的幾個(gè)步驟：

1、用import re 導(dǎo)入正則表達(dá)式模塊；

2、用re.compile()函數(shù)創(chuàng)建一個(gè)Regex對(duì)象；

3、用Regex對(duì)象的search()或findall()方法，傳入想要查找的字符串，返回一個(gè)Match對(duì)象；

4、調(diào)用Match對(duì)象的group()方法，返回匹配到的字符串。

在交互式環(huán)境中簡(jiǎn)單嘗試一下，查詢字符串中的固話：

 import re text = '小明家的固話是0755-123456，而小麗家的固話時(shí)0789-654321，小王家的電話是123456789'#用于檢測(cè)的字符串 ph_re = re.compile(r'/d{4}?-/d+') #創(chuàng)建Regex對(duì)象，匹配幾種電話的方式，/d表示0-9的數(shù)字，{4}表示前面的匹配4次，？表示可選，+表示出現(xiàn)1次或多次。 matchs1 = ph_re.findall(text) #findall()表示查找所有匹配項(xiàng)，返回一個(gè)字符串 matchs2 = ph_re.search(text)#search(),查找第一次匹配的文本，返回一個(gè)對(duì)象。 print(matchs1) print(matchs2) matchs2.group()

返回的結(jié)果，是這樣的：

findall()方法返回的是一個(gè)字符串，可以直接打印出來。而search()方法返回的是一個(gè)對(duì)象，所以打印出來的是是如圖的第二行。

調(diào)用group()，對(duì)象返回匹配的結(jié)果。

最后，小王的電話之所以沒有匹配到，是因?yàn)?-'沒有進(jìn)行可選即在其后加上‘？'。

下面進(jìn)行一個(gè)小的實(shí)驗(yàn)，獲取某個(gè)網(wǎng)頁中所有的http/https網(wǎng)址，并計(jì)算有多少個(gè)。

首先是獲取HTML文件。這里要用到requests模塊。

 # -*- coding: utf-8 -*- import requests import re def get_html(url):  res = requests.get(url)  res.encoding = 'utf-8'  html = res.text  return html

這里get_html函數(shù)返回的，其實(shí)就類似上面例子中的text，用來匹配的文本。

然后，創(chuàng)建正則表達(dá)式：

def get_addr(response):  addr_regex = re.compile(r'''(   (http://|https://)?　　#http/https   (www)?   (/.[a-z1-9A-Z]+)   (/.com|/.cn)   )''',re.VERBOSE)#匹配網(wǎng)址，  matchs = []  for groups in addr_regex.findall(response):   matchs.append(groups[0])  if len(matchs) == 0:   print('沒有網(wǎng)址')    return matchs

這里向re.compile(),傳入變量re.VERBOSE，作為第二個(gè)參數(shù)，可以將正則表達(dá)式放在多行，并進(jìn)行注釋，如上。

返回一個(gè)matchs列表對(duì)象。

再來個(gè)啟動(dòng)函數(shù)。

 def start():  url = 'http://news.163.com/18/0127/18/D966K4CO0001899N.html'  a = get_html(url)  b = get_addr(a)  print('/n'.join(b))  print(str(len(b)))  print('ok')if __name__ == '__main__':  start()

這里傳入的url是我隨意找的一個(gè)新聞鏈接。

然后調(diào)用get_html()和get_addr()，就得到了想要的東西。str(len(b))，為統(tǒng)計(jì)的數(shù)量。

測(cè)試的結(jié)果是類似這樣的：

這里似乎獲取一些URL，沒什么卵用。。。但是，如果結(jié)合前面的查詢新聞列表的方式，獲取批量url，