re模块findall函数大数据采集技术与应用13课件讲解.pptxVIP

re模块findall函数大数据采集技术与应用

1.掌握re模块findall函数功能和使用方法

re模块findall函数findall函数findall方法搜索整个string，返回一个列表包含全部能匹配的子串，其语法格式如下findall方法常用的参数及其说明如下。re.findall(pattern,string[,flags])参数说明pattern接收Pattern实例。表示转换后的正则表达式。无默认值string接收string。表示输入的需要匹配的字符串。无默认值flag接收string。表示匹配模式，取值为运算符“|”时表示同时生效，如re.I|re.M。默认为None

re模块findall函数data_block_1=Visitoursiteat/homeandcheckthestatusat/info.#规则解释:匹配http或https开头，直到遇到空白字符(\s)停止pattern_1=rhttps?://[^\s]+#使用re.findall提取所有匹配项found_urls=re.findall(pattern_1,data_block_1)print(f原始文本:{data_block_1})print(f提取的URL列表:{found_urls})案例1：从文本块中提取所有URL链接输出：原始文本:Visitoursiteat/homeandcheckthestatusat/info.提取的URL列表:[/home,/info.]

re模块findall函数html_snippet_2=imgsrc=/assets/img1.jpgclass=small/imgsrc=/assets/img2.pngalt=logo/#规则解释:查找src=，然后使用非贪婪匹配(.*?)捕获引号内的内容pattern_2=rsrc=(.*?)#使用re.findall提取所有SRC值found_srcs=re.findall(pattern_2,html_snippet_2)print(fHTML片段:{html_snippet_2})print(f提取的SRC列表:{found_srcs})案例2：提取HTML标签中所有图片的SRC属性值输出：HTML片段:imgsrc=/assets/img1.jpgclass=small/imgsrc=/assets/img2.pngalt=logo/提取的SRC列表:[/assets/img1.jpg,/assets/img2.png]

re模块findall函数social_post_3=Thanksto@user_alphaand@beta_userforthefeedback.@admin,pleasereviewthis.#规则解释:查找@符号后紧跟的一位或多位字母、数字或下划线(\w+)pattern_3=r@(\w+)#使用re.findall提取所有用户名（不含@符号，因为使用了分组）found_users=re.findall(pattern_3,social_post_3)print(f社交媒体文本:{social_post_3})print(f提取的用户名列表:{found_users})案例3：从社交媒体文本中提取所有以@开头的用户名输出：社交媒体文本:Thanksto@user_alphaand@beta_userforthefeedback.@admin,pleasereviewthis.提取的用户名列表:[user_alpha,beta_user,admin]

re模块findall函数product_ratings=Rating:4.5,Price:199.00,Views:83,Comments:12#规则解释:查找一个或多个数字(\d+)，可选择后面跟着一个点和更多数字(\.?\d*)pattern_4=r\d+\.?\d*found_numbers=re.findall(pattern_4,product_ratings)print(f产品信息文本:{product_ratings})print(f提取的数字列表:{found_numbers})案例4：从产品信息中提取所有数字（包括整数和浮点数）输出：产品信息文本:Rating:4.5,Price:199.00,Views:8