正则表达式

正则表达式相关知识

1，背景

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取@前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

2，定义

正则表达式（regular expression，rc）是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

3，方法

（1）创建一个匹配Email的正则表达式；

（2）用该正则表达式去匹配用户的输入来判断是否合法。

4，应用

（1）验证用户名和密码：（”w{5,15}$”）正确格式：”[A-Z][a-z]_[0-9]”组成,并且第一个字必须为字母6~16位；

（2）验证电话号码：（”^(d{3,4}-)d{7,8}$”）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx；

（3）验证手机号码（包含虚拟号码和新号码段）：”^1([38][0-9]|4[5-9]|5[0-3,5-9]|66|7[0-8]|9[89])[0-9]{8}$”；

（4）验证身份证号（15位）：”d{14}[[0-9],0-9xX]”，（18位）：”d{17}(d|X|x)”；

题目

3）不能以0开头

实现代码

运行结果

网页爬虫

目的

1、学习网络爬虫编程，掌握网络爬虫编程实例；

2、掌握利用正则表达式从字符串中提取特定字符串的方法；

3、掌握利用正则表达式实现爬虫编程，爬取网络信息的方法。

要求

1、掌握正则表达式检查字符串是否与指定模式匹配、从字符串中提取特定字符串的方法，掌握了利用正则表达式实现爬虫编程，爬取网络信息的方法。

2、掌握爬虫程序的基本操作原理以及操作过程，能设计简单的爬虫程序，对今后网络编程技术打下基础。

题目

1、利用正则表达式，编写一个爬虫程序，抓取页面中文字：桂电要闻、文明校园建设、桂电新闻、校园快讯、学院动态、媒体桂电、通知公告、招标公示。

2、利用bs4抓取主页 www.guet.edu.cn 标题

实现代码

运行结果