python正则表达式

1. python 正则表达式总结

1.1 字符串替换

1. 去除字符串中所有\u开头数字或字母结尾的字符？

import re


s = r"\ue627\uf893e古力娜扎超话娜扎的最新海岛度假照，这白到发光的皮肤真是让人羡慕。肤白如雪，就是形容这样的小姐姐的?,"
s1 = re.sub(r"\\u.*[a-zA-Z0-9]", "", s) 
print(s1)

2. 去除字符串中的?#～​​​​????等字符和\u开头字母或数字结尾的字符，保留逗号句号等分隔符

import re


s = r"\ue627\uf893e古力娜扎?#～超话娜扎的最新海岛度假照，这白到发光的皮肤真是让人羡慕。肤白如雪，​​​​??就是形容这样的??小姐姐的?,"
# 先去除字符串中的\u开始字母或数字结尾的字符，再在这个字符中找到所有的单词和分隔符，将分隔符用空字符连接起来。
s1 = "".join(re.findall("[\w,.，;；。？]", re.sub(r"\\u.*[a-zA-Z0-9]", "", s)))
print(s1)

3. 获取div中的所有文本，除去div中的所有标签，但是保留标签中的内容，例如a标签中的内容，并且去除html中的 ；

import re 


s = """

2018年11月6日 - 
Python注释基础 要用Python编写注释,只需将“#”放在您的注释内容之前: Python会忽略在#标记之后到行尾的所有内容,您可以在代码中的任何位置插入它们,...
"""
s1 = "".join(re.findall("[\w,.;?，。？；]", re.sub(r"<.*?>| ", "", s, re.M), re.M))
print(s1)

4. 提取字符串中的a标签的文本及href，去除title中的特殊字符

import re

div = """

                                                        哈士奇超话#铲屎官的自我修养#二哈：我腿卡住了，快来救救我！ L二哈哈哈哈呵的微博视频 ​​​​                            
"""

# 获取所有的a标签
a_list = re.findall(".*?", div, re.M)
# 定义数据列表
url_list = list()

for a in a_list:
	# 去除title中的特殊字符
    title = "".join(re.findall("[\w,.;?，。？；]", re.sub(r"<.*?>| ", "", a, re.M), re.M))
    # 提取a标签中的 href属性
    href = re.findall('', a, re.M)[0]
    # 将数据以字典形式保存，并将数据加入数据列表中
    url_list.append({"title": title, "href": href})

print(url_list)