python中怎么利用正则表达式从网页摘取信息，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
宾川网站建设公司创新互联,宾川网站设计制作，有大型网站制作公司丰富经验。已为宾川上1000+提供企业网站建设服务。企业网站搭建\外贸网站建设要多少钱，请找那个售后服务好的宾川做网站的公司定做！
确认数据源
练习从网页爬取数据时，为了不触发网站的反爬机制，建议打开网页另存为html文件。我从某网站保存了一页关于房产信息的网页，尝试从中爬取信息。
然后用notepad++打开该文件，看看文件内容。
编写正则表达式
是不是感觉有点无从下手？别慌，慢慢来。通过对比网页和网页代码我们确认信息特征。
房产名称：
急降60万 急卖全款客户来 宝山二村好位置
复制该信息，到html文件中通过ctrl+F查找该信息，然后认真查看“房产名称”前后的字符特征：
前面的字符特征：
;" >
后面的字符特征：
现在对照房产名称前后的字符特征编写正则表达式，同时给“房产名称”进行分组命名(?P.*?)：
;" >(?P.*?)
注意： .*?在爬取网页时经常会用到，表示匹配任意内容任意数量直到遇到后面的字符特征结束。
房型：
现在再观察下一项“房型”信息前后的字符特征：
前面的字符特征：
span>
后面的字符特征：
如法炮制，提取“房型”信息并进行分组命名(?P.*?)：
span>(?P.*?)
注意： 在房产名称和房型之间有大段网页代码，我们可以写.*?对应该段代码表示跳过。
面积：
现在再观察下一项“面积”信息前后的字符特征：
前面的字符特征：
<span>
后面的字符特征：
如法炮制，提取“面积”信息并进行分组命名(?P.*?)：
<span>(?P.*?) 总价：
现在就剩最后一项“总价”信息，继续查找该信息前后的字符特征：
前面的字符特征：
<b>
后面的字符特征：
<
如法炮制，提取“总价”信息并进行分组命名(?P.*?)：
<b>(?P.*?)<
现在提取网页数据四项信息的正则表达式均已写好，注意每一项信息之间间隔了很多的网页代码，我们可以用.*?对应该段代码表示跳过。让我们现在把4段信息连起来，写出完整的正则表达式：
rex = ';" >(?P.*?) .*?span>(?P.*?).*?<span>(?P.*?) <b>(?P.*?)<'
编写代码
import rewith open('房屋信息.html',encoding='utf8') as f:text = f.read()rex = ';" >(?P.*?) .*?span>(?P.*?).*?<span>(?P.*?) <b>(?P.*?)<'ret = re.finditer(rex, text, re.S)j = 1for i in ret:print(j,i.group('name'), i.group('type'), i.group('area'), i.group('price'))j +=1输出内容
最终输出内容有120项，信息式样如下：
看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。
本文题目：python中怎么利用正则表达式从网页摘取信息
本文URL：http://bjjierui.cn/article/jsogcj.html
