用正则筛取网页内容
Mark下学习过程，防止以后忘掉，哈哈。。。
import re
def main():
html_data= '''职位诱惑：
扁平化 成长快 氛围好
职位描述：
职责：
• 负责相关系统的设计与开发，包括基于linux操作系统的脚本开发
• 按照规范及设计文档完成编码工作，对代码质量负责，并按照规定提交相应的开发文档
要求：
• 熟悉Python语言及Django框架
• 熟悉WEB标准，对使用CSS进行页面布局具有一定经验
• 熟悉至少一种Bash/PHP/JavaScript/Ruby脚本语言
• 熟悉SQL语言，熟悉MySQL的使用，能够分析SQL语句的性能
• 熟悉至少一种linux发行版
• 持续关注某开源领域相关技术及其发展
• 关注代码/系统性能或服务架构设计
优秀应届生亦可
工作态度
• 具备良好的人际交往、语言表达和沟通能力
• 具备高度的责任心、诚信的工作作风、优秀沟通能力及团队精神
• 愿意接受挑战性的工作，能够高效及时完成工作
'''
ret1=re.findall(r"<(.*?)>",html_data)
ret=html_data
for i in ret1:
if i=="br" or "/" in i:
repl="\\n"
ret = re.sub(r"<(.*?)>", repl, ret,count=1) # 每判断一次替换一次
else:
repl="\\r"
ret = re.sub(r"<(.*?)>", repl, ret, count=1) # 每判断一次替换一次
final_ret=re.sub(r"\n\s*\n\s*","\n\n",ret) `在这里插入代码片`# 删除多余的空行
print(final_ret)
if __name__ == "__main__":
main()
输出结果:
“D:\new file\python-3.6.4 install\python.exe” “D:/new file/正则和http协议/正则清洗1.py”
职位诱惑：
扁平化 成长快 氛围好
职位描述：
职责：
• 负责相关系统的设计与开发，包括基于linux操作系统的脚本开发
• 按照规范及设计文档完成编码工作，对代码质量负责，并按照规定提交相应的开发文档
要求：
• 熟悉Python语言及Django框架
• 熟悉WEB标准，对使用CSS进行页面布局具有一定经验
• 熟悉至少一种Bash/PHP/JavaScript/Ruby脚本语言
• 熟悉SQL语言，熟悉MySQL的使用，能够分析SQL语句的性能
• 熟悉至少一种linux发行版
• 持续关注某开源领域相关技术及其发展
• 关注代码/系统性能或服务架构设计
优秀应届生亦可
工作态度
• 具备良好的人际交往、语言表达和沟通能力
• 具备高度的责任心、诚信的工作作风、优秀沟通能力及团队精神
• 愿意接受挑战性的工作，能够高效及时完成工作
进程已结束,退出代码0