Python正则表达式爬虫使用案例解析

正则表达式是一种强大的文本处理工具，可以用来匹配、查找、替换、分割等。在Python中，我们可以使用正则表达式来处理文本。本文将介绍Python正则表达式爬虫使用案例解析，包括提取网页中的图片链接和电子邮件地址。

提取网页中的图片链接

在爬虫开发中，我们经常需要提取网页中的图片链接。下面是一个例子，演示如何使用正则表达式提取网页中的图片链接：

import re
import requests

url = 'https://www.example.com'
response = requests.get(url)
text = response.text
pattern = r'<img.*?src="(.*?)".*?>'
result = re.findall(pattern, text)
for img_url in result:
    print(img_url)

在上面的代码中，我们使用requests.get函数获取网页内容，然后使用正则表达式<img.*?src="(.*?)".*?>提取链接。这个正则表达式使用.*?匹配任意字符，使用()分组，使用?表示非贪婪匹配。然后，我们使用re.findall函数进行匹配操作，返回所有匹配结果。最后，我们使用for循环遍历所有匹配结果，并输出图片链接。

提取网页中的电子邮件地址

在爬虫开发中，我们经常需要提取网页中的电子邮件地址。下面是一个例子，演示如何使用正则表达式提取网页中的电子邮件地址：

import re
import requests

url = 'https://www.example.com'
response = requests.get(url)
text = response.text
pattern = r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b'
result = re.findall(pattern, text)
for email in result:
    print(email)

在上面的代码中，我们使用requests.get函数获取网页内容，然后使用正则表达式\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b提取电子邮件地址。这个正则表达式使用\b匹配单边界，使用[]表示字符集，使用+匹配前面的字符1次或多次，使用{2,}匹配前的至少2次。然后，我们使用re.findall函数进行匹配操作，返回所有匹配结果。最后，我们使用for循环遍历所有匹配结果，并输出电子邮件地址。

以上是Python正则表达式爬虫使用案例解析。实际应用中，我们可以根据需要灵活运用正则表达式，实现各种文本处理任务。