python 的 re庫獲取兩個字符中間的內容（轉）

問題背景：當我們爬取網頁信息時，對於一些標籤的提取是沒有意義的，所以需要提取標籤中間的信息。

 

解決辦法：用到了re包下的函數

方法1：用到了research()方法和group()方法

方法2：用到了findall（）方法

 

具體實現：

import re
# 匹配兩個字符中間的所有字符
a = '<p>life is short, i use python<a/>i love it<p>'

r = re.search('<p>(.*)<a/>(.*)<p>', a)

# python中正則匹配，如果不加（）,默認是一個分組，group（）中的參數，如果是0，默認是所有組，即返回整個字符串
# 如果是要訪問自定義的組的元素，則需要從1開始

print(r.group(0))  # <p>life is short, i use python<a/>i love it<p>
print(r.group(1))  # life is short, i use python
print(r.group(2))  # i love it

# 用一個元組來返回所有組中的內容
print(r.group(0, 1, 2))
# ('<p>life is short, i use python<a/>i love it<p>', 'life is short, i use python', 'i love it')

# 返回所有元組的信息，不包括第0組
print(r.groups())  # ('life is short, i use python', 'i love it')

# 另一種匹配方式：使用findall（）
b = re.findall('<p>(.*)<a/>(.*)<p>', a)
print(b)  # [('life is short, i use python', 'i love it')]

 

像邊界字符集（^,$等）或者概括字符集（\d,\D,\w等）匹配的都是一個字符，我們需要匹配一個連續的字符串時，會需要有組的概念，一個組中的元素是且的關係；例如：匹配Python字符串時，需要如下處理：（）表示的組的概念，不可將（）和[]混淆

import re

a = 'PythonPythonPythonPython'
# ()表示且的關係，[]表示或的關係

r = re.findall('(Python){3}', a)
print(r)