python 正则表达式 之re.findall

python 正则表达式 re findall 方法能够以列表的形式返回能匹配的子串。

re.findall(pattern, string[, flags]):
搜索string，以列表形式返回全部能匹配的子串。先看个简单的代码：

import re
 
p = re.compile(r'\d+')
print p.findall('one1two2three3four4')
 
### output ###
# ['1', '2', '3', '4']

稍微复杂点比如:
info = '<a href="http://www.baidu.com">baidu</a>' 我们的需求是通过正则表达式提取网址和锚文本，那可以用到
findall()

import re
relink = '<a href="(.*)">(.*)</a>'
info = '<a href="http://www.baidu.com">baidu</a>'
cinfo = re.findall(relink,info)
print cinfo

输出的结果：[('http://www.baidu.com', 'baidu')] 返回的是一个列表，列表里面是匹配的结果形成的元组形式

例子function：

def get_yizhe_info(url):  # url weiyigecanshu    #url='http://book.douban.com/subject/6082808/?from=tag_all' # For Test    req = urllib2.Request(url, headers=hds2[np.random.randint(0,len(hds2))])    html = urllib2.urlopen(req).read()    html = html.replace('\n', '')    #print html    try:        reg_temp='<span class="pl"> 译者</span>: *?(.*?)<br/>'        temp=re.findall(reg_temp,html)        print temp        if temp:            reg_author = '<a class="" href=".*?">(.*?)</a>'            name = re.findall(reg_author, temp[0])            print name            str=''            for na in name:                str=na+'/'+str            str = str.replace(str,str[:-1])    except:        str = '暂无'    return str