2023学年完整公开课版regexbuddy

数据采集与处理

RegexBuddy案例导入01下载02安装03Match04replace05还原布局06高亮显示匹配结果07分组的使用08生成代码模板09案例实现10案例导入

小明是一家大型商场的数据分析员，领导派给他一个任务——为商城的新连锁店选址，所以需要收集浙江经贸周边各家酒店的价格、评分、地址等信息进行分析比较。如果是人工在网络上进行单条的复制粘贴，工作将显得枯燥和冗长，且员工负担也很大。小明突然想起在大学曾学习过正则表达式，刚好可以解决这个问题。如果单独使用正则表达式又显得太抽象，难以理解。那么是否有一种工具帮助我们简单明了的表述正则表达式呢？介绍 RegexBuddy这是一款比较小巧的测试正则的工具它可以容易地建立你想要的正确的正则表达式。清晰地推断他人所写的复杂的正则表达式。RegexBuddy还可以用给出的实例字符串或文件快速地进行测试匹配，从而防止了在实际应用中出现错误。RegexBuddy会在你的源代码中根据你所应用的特殊编程语言，自动生成带有正则表达式的代码段。

下载下载地址：进入regexbuddy官网首页，然后点击Download进入右下角下载然后点击Downloadyour

licensedcopyofRegexBuddy下载点击DownloadRegexBuddy下载链接：/s/1Wsvnx1DC0vuF9nr-HHYrAg

提取码：bzpo安装下载完成后，解压至桌面打开文件夹找到regexbuddy的应用程序，并打开1.点击第一个选项直接安装安装2.选择Yes,Ido安装3.点击Thanks！安装4.最后桌面出现如是图标即安装完成MatchMatch用于正则的内容匹配，一般默认为Match模式，打开RegexBuddy显示的页面如下图：ReplaceReplace用于查找正则内容替换，点击Replace显示的页面，示例如下图：还原布局该页面标出黑色小方框内的布局同学们可能会误触将其关闭，接下来我们教大家如何还原首先，鼠标点击红圈处，弹出如下图选项栏；其次，再点击RestoreDefaultLayout（还原默认布局）高亮显示匹配结果分组的使用在应用的正则表达式中再抽取出局部的匹配字符段信息，可以使用group()来实现

在使用group()时如果没有()默认为零分组，匹配整个正则字符串；

如果有一个()说明有两个分组，一个是0一个是1；

如果有两个()，就说明有三个分组，分别是0,1,2。分组的使用如果我们只需要酒店的位置就group注：group(1)列出第一个括号匹配部分，group(2)列出第二个括号匹配部分，group(3)列出第三个括号匹配部分。group(4)列出第四个括号匹配部分分组的使用生成代码模板步骤：选择python3.6粘贴测试的网页源代码文本编写自己需要提取信息的正则表达式点开ListAll点击从上往下第三个显示出来的就是要提取的信息点击Use面板，选择Function（功能）下拉列表倒数第三个

1.程序语言选择python3.6

2.放入测试的网页源代码3.写需要提取信息的正则表达式

4.点开ListAll

5.点击从上往下第三个

6.显示出来的就是要提取的信息

6.显示出来的就是要提取的信息6.显示出来的就是要提取的信息7.点击Use面板，选择Function（功能）下拉列表倒数第三个

生成代码模板生成代码模版reobj=pile(r'class="nblue[\d\D]*?">([\d\D]*?)</a>[\d\D]*?<span>([\d\D]*?)<[\d\D]*?i>([\d\D]*?)<[\d\D]*?title="([\d\D]*?)"',re.MULTILINE)formatchinreobj.finditer(html):

print(match.group(0))生成代码模板把生成的代码模板放入jupyternotebook中，再根据实际要求进行调整生成代码模板fromseleniumimportwebdriver

driver=webdriver.Chrome()

url='/search/%E9%85%92%E5%BA%97/@13401816.6,3523321.62,17z?querytype=nb&r=1000&wd=%E9%85%92%E5%BA%97&nb_x=13401816.60&nb_y=3523321.62&uid=7a0cb8c0d67a634683a00c28&b=(13400809.909611505,3522782.19066226;13402823.09336229,3524093.869264365)&l=17&gr_radius=1000&pn=0&device_ratio=2&da_src=shareurl'

driver.get(url)

importre

importtime

html=driver.page_source

#print("酒店名称",",评分:",",类型:",",地址:")

list=[]

foriinrange(2):

html=driver.page_source

reobj=pile(r'class="n-blue"[\d\D]*?>([\d\D]*?)</a>[\d\D]*?<span>([\d\D]*?)<[\d\D]*?i>([\d\D]*?)<[\d\D]*?title="([\d\D]*?)"')

formatchinreobj.finditer(html):

a=match.group(1)

b=match.group(2)

c=match.group(3)

d=match.group(4)

t=(a,b,c,d)

print(t)链接:/s/1e9A52uYspSbffFUMiDmxbw

提取码:6h2e流程图作业部落网址：/mdeditor流程图代码：```flowst=>start:开始op1=>operation:打开RegexBuddyop2=>operation:选择python3.7op3=>operation:选择Match模式op4=>operation:点击Test模式op5=>operation:粘贴网页源代码op6=>operation:编写正则表达式cond=>condition:正则高亮是否符合预期op7=>operation:点击use模块op8=>operation:导出模块代码e=>end:结束st->op1->op2->op3->op4->op5->op6->cond->op7->op8cond(yes)->op7cond(no)->op6op8->e```打开RegexBuddy选择python3.7选择Match模式点击Test模式粘贴网页源代码编写正则表达式正则高亮是否符合预期点击use模块导出模块代码开始结束noyes整体流程流程图:/BlackFire0033/note/1761775打开RegexBuddy选择python3.7选择Match模式点击Test模式粘贴网页源代码编写正则表达式正则高亮是否符合预期点击use模块导出模块代码开始结束noyes在作业部落中，可以