2018年5月3日笔记

• 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.text
10
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])

原文地址：https://www.cnblogs.com/karl-python/p/8993189.html