Python语言程序设计（工作手册式）【实训题目-含答案】实验7 正则表达式答案版.docx

《Python语言程序设计（工作手册式）【实训题目-含答案】实验7 正则表达式答案版.docx》由会员分享，可在线阅读，更多相关《Python语言程序设计（工作手册式）【实训题目-含答案】实验7 正则表达式答案版.docx（9页珍藏版）》请在第一文库网上搜索。

1、Python基础卖歌报告实验项目实验7正则表达式学员姓名实验日期实验7正则表达式一、实验目的1、掌握正则表达式的使用方法2、掌握常用的正则表达式处理函数二、单元练习(-)选择题1 .匹配字符串abc,需要输入的正则表达式为(B)A.a.bcB.abcC.AbcD.abc.2 .匹配以abc开头的所有字符串，需要输入的正则表达式为(C)A.abc.B.abc$C.abcD.abc*E.abc.+Eabc?G.abc.*3 .如果字符串中有*需要匹配，该输入表达式为(A)A.*B.*C.*D.(*)(-)填空题运算符描述d匹配任意数字，等价于0-9.D匹配任意非数字s匹配任意空白字符，等价于tnr

2、f.w匹配字母数字及下划线W匹配非字母数字及下划线xy?匹配。个或1个由前面的正则表达式定义的片段，非贪婪方式X1y匹配X或yX*匹配0个或多个的表达式x+匹配1个或多个的表达式abcdef匹配abc或def己知字符串：abbbc则：正则表达式ab*的结abbb果己知字符串:abbbc则：正则表达式ab*?的结果a三、课堂练习任务1：【案例1：正则表达式进行网页解析】案例背景：已知某一网站的网页部分内容如下所示，该网页内容存储到本机D:/Web.txt。要求：请解析出上述网页中所有以https开头的ur1,并输出。1245VPCIaSS=appintro-1iUe”某某网站vp6VPCIaSS

3、=s1ogan我们的部落格vp78aref=910 ahref=11 12 13 IgetUr1s.py代码如下：1importre2f=Open(TeSt.txt,T)3 web=f.read()4 1ir1s=re.finda11(https:/.web)5 f.c1ose()6 forur1inur1s:7 IPrint(Uii)案例说明：0第1行，导入re模块，re模块使Python语言拥有全部的正则表达式功能。0第2行，调用文件的OPen方法，打开Web.txt。0第3行，将web.txt中的文本内容读取出来，赋值给Web变量。0第3行，这里用了re模块，它提供Per1风格的正则表达

4、式模式。利用finda函数获取字符串Web中所有匹配的字符串。匹配格式为：https:/.*?00https:开头表示以https:/为前缀文本。0点(.)匹配任意除换行符“n”外的字符。0星号(*)表示匹配前一个字符O次或无限次。0星号(*)后跟问号(？)表示非贪婪匹配，即尽可能少的匹配，如*?重复任意次，但尽可能少重复。0三个符号组合(.*?)表示匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。如：a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab和ab。0因此，https:/.*?”表示以hup:开始，以双引号()结束的字符串

5、，而且要求匹配重复最少的。上例中首先匹配到htps:/WWW.websiw叩p?ChanneI=top-nav,所以不再匹配href=,https7wapp7channe1=top-navc1ass=,虽然C1aSS=后面也有双引号()，但是因为是非贪婪模式，所以选择第一次匹配成功的那个。即httpswapp7channe1=top-nav,o以上实例执行结果：hits:WWWwapp?Channe1=top-nav”任务2：【案例2：正则表达式在数据清洗中应用】已知：某网址123456789101112131415161718电影名称总场次/占比网票票房A票房B票房C票房D票房实时（不含预售

6、）预计累积险记9.16万/27.1%1166.11万120.12万660.33万50.24万30.63万2888.85万6827.81万8.61亿查6.43万/25%1271.97万0725.72万024.28万3114.63万8110.94万4.1亿moviesamp1e.htm1部分代码如下:电影名称总场次/占比网票票房vihA票房v1hB票房vihC票房vthvthD票房vth实时(不含预售)vthvihi+累Rahref=某某传奇vav1dvtd6.43万25%1271.97万O725.72万024.28万3114.63万8110.94774.1亿v1d此处省略，结构与上方vtrv1r

7、基本相同，电影数据不同以上数据仅供参考vtdmovie.py代码如下:1 importre2 importos3 importSyS4 importur11ib.request5 BOR_amount=().()6 p_path=sys.pathO#获取当前路径7 ur1=fi1e,+p-path+7moviesamp1e.htm,#得到网页所在路径8 req=ur11ib.request.Request(ur1,headers=User-Agent:MagicBrowser)9 webpage=ur11ib.request.ur1oen(req)1()strw=webpage.read().

8、decode(utf-8)11 S=StrW.find(电影名称vthxth总场次/占比)12 e=strws:.find(以上数据仅供参考)13 strw_tab1e=strws:s+e14 m=15reStr=,ahrcf=fi1m0-9+boxoffice16tit1e=.+17m=re.finda11(reStr,strw-tab1e)18ifnotm:19os._exit(0)2()fortinm:21ss=22ss=re.finda11(r(d+1.J?d*%?AxOO-xff*),t)23ifss:24BOR_amount+=f1oat(ss-3.rep1ace(万25e1se:

9、26Print(出错了！”)27Print(票房总额是：+str(BOR-amount)以上实例执行结果:票房总额是：6003.48案例说明：囱第2行，导入OS模块，os模块包含普遍的操作系统功能。本案例中第19行将待用os._exi1()会直接将python程序终止，之后的所有代码都不会继续执行。exit(O)：无错误退出0第3行,导入SyS模块,os模块提供了一系列有关Python运行环境的变量和函数。本案例中第6行调用sys.athO,获取当前movie.py所在目录。0第4行，导入UrHib.reques1模块，为后续获取页面做准备。ur11ib.request模块提供了最基本的构造H

10、TTP请求的方法，利用它可以模拟浏览器的一个请求发起过程。第7行，ur1=fi1e:+p_path+7moviesamp1e.htm得到网页所在完整路径。囱第8行，使用request()来包装请求，再通过ur1open()获取页面。req=ur11ib.request.Request(ur1,headers=User-Agent:MagicBrowser)ur11ib.request.Request的基本语法如下：ur11ib.request.Request(ur1,Jata=None,headers=,method=None)其中，headers(头部信息)可以携带如下信息：浏览器名和版本号、操作系统名和版本号、默认语言等等。UserAgent存放于Headers中，服务器就是通过查看Headers中的UserAgent来判断是谁在访问。有些网站不喜欢被爬虫程序访问，所以会检测连接对象，如果发现是爬虫程序，它就不会让你继续访问，所以程序需要隐藏自己的爬虫程序的身份。此时，我们可以通过设置USerAgent(用户代理)的来达到隐藏身份的目的。第9行,webpage=ur