正则表达式操作实践

来自 Python123
有一些网站提供了常用的正则表达式和测试环境，例如

  • regexr.com 一个非常棒的在线环境，我经常使用
  • regexlib.com 一个非常棒的在线环境，我经常使用

高效文本处理 - 1

原始文本如下

 张伟        17664999502  \n
 王伟       17187690316   \n
  王芳        14210007607   \n
 李伟         15878807133  \n
  王秀英    15575237523    \n
 李秀英  15695435545    \n
  李娜       18346347153   \n
  张秀英    17017338288   \n
   刘伟  15481361668  \n
  张敏        13528947724    \n
    李静         18522824481 \n
  张丽   14352788577     \n
  王静      18637851730    \n
 王丽        15862244782  \n
 李强   14363718204   \n
 张静  13418111578     \n
    李敏         15657258884  \n
    王敏         17574922377 \n
 王磊        14517362847 \n
  李军         18088271014  \n
 刘洋     17897166967     \n

  • 提取所有 11 位数字电话号码

    \d{11}

    匹配结果

    17664999502
17187690316
14210007607
15878807133
15575237523
15695435545
18346347153
17017338288
15481361668
13528947724
18522824481
14352788577
18637851730
15862244782
14363718204
13418111578
15657258884
17574922377
14517362847
18088271014
17897166967

  • 提取所有 18 或 13 开头的电话号码

    (18|13)\d{9}

    匹配结果

    18346347153
13528947724
18522824481
18637851730
13418111578
18088271014

  • 提取所有“王”姓同学的名字

    王\S*

    匹配结果

    王伟
王芳
王秀英
王静
王丽
王敏
王磊

  • 提取所有“张”姓同学的电话号码

    (张\S*) *(\d{11})    ||    $1 的电话是 $2

    匹配结果

    张伟 的电话是 17664999502
张秀英 的电话是 17017338288
张敏 的电话是 13528947724
张丽 的电话是 14352788577
张静 的电话是 13418111578

  • 重新排版

    (\S*) *(\d{11})    ||    $1 - $2

    匹配结果

    张伟 - 17664999502
王伟 - 17187690316
王芳 - 14210007607
李伟 - 15878807133
王秀英 - 15575237523
李秀英 - 15695435545
李娜 - 18346347153
张秀英 - 17017338288
刘伟 - 15481361668
张敏 - 13528947724
李静 - 18522824481
张丽 - 14352788577
王静 - 18637851730
王丽 - 15862244782
李强 - 14363718204
张静 - 13418111578
李敏 - 15657258884
王敏 - 17574922377
王磊 - 14517362847
李军 - 18088271014
刘洋 - 17897166967

高效文本处理 - 2

原始文本如下

# 日期格式混乱的姓名簿

   张伟         1999年11月16日  王伟      1994.11.14    
 王芳   1991年12月15日       李伟     1993-3-16       王秀英   1993年11月7日   
  李秀英      1992-1-18  
   李娜  1996年9月6日     张秀英       1995-6-0       刘伟         1996年1月4日    张敏       1995.3.16    
  李静       1996-6-27        张丽 1997-6-28     
  王静  1997-5-4    
   王丽       1996-1-2 
  李强      1991-4-21  
 张静      1991-9-7       李敏   1997-6-5   
   王敏    1999年2月9日  
   王磊         1997-8-19      李军        1990年6月4日    
    刘洋      1999-6-25
  • 提取所有日期
    \d{4}\S\d{1,2}\S\d{1,2}\S?
    匹配结果
    1999年11月16日
1994.11.14
1991年12月15日
1993-3-16
1993年11月7日
1992-1-18
1996年9月6日
1995-6-0
1996年1月4日
1995.3.16
1996-6-27
1997-6-28
1997-5-4
1996-1-2
1991-4-21
1991-9-7
1997-6-5
1999年2月9日
1997-8-19
1990年6月4日
1999-6-25
  • 提取所有 1996 年以前出生的学生
    (\S*) *199[0-5]\S\d{1,2}\S\d{1,2}\S?
    匹配结果
    王伟      1994.11.14
王芳   1991年12月15日
李伟     1993-3-16
王秀英   1993年11月7日
李秀英      1992-1-18
张秀英       1995-6-0
张敏       1995.3.16
李强      1991-4-21
张静      1991-9-7
李军        1990年6月4日
  • 重新排版
    (\S*) *(\d{4})\S(\d{1,2})\S(\d{1,2})\S?  ||  $1： $2 年 $3 月 $4 日
    匹配结果
    张伟： 1999 年 11 月 16 日
王伟： 1994 年 11 月 14 日
王芳： 1991 年 12 月 15 日
李伟： 1993 年 3 月 16 日
王秀英： 1993 年 11 月 7 日
李秀英： 1992 年 1 月 18 日
李娜： 1996 年 9 月 6 日
张秀英： 1995 年 6 月 0 日
刘伟： 1996 年 1 月 4 日
张敏： 1995 年 3 月 16 日
李静： 1996 年 6 月 27 日
张丽： 1997 年 6 月 28 日
王静： 1997 年 5 月 4 日
王丽： 1996 年 1 月 2 日
李强： 1991 年 4 月 21 日
张静： 1991 年 9 月 7 日
李敏： 1997 年 6 月 5 日
王敏： 1999 年 2 月 9 日
王磊： 1997 年 8 月 19 日
李军： 1990 年 6 月 4 日
刘洋： 1999 年 6 月 25 日
  • 把所有 1996 年以前出生的学生出生年份改为 1996
    (\S*) *(199[0-5])\S(\d{1,2})\S(\d{1,2})\S?    ||    $1： 1996 年 $3 月 $4 日
    匹配结果
    王伟： 1996 年 11 月 14 日
王芳： 1996 年 12 月 15 日
李伟： 1996 年 3 月 16 日
王秀英： 1996 年 11 月 7 日
李秀英： 1996 年 1 月 18 日
张秀英： 1996 年 6 月 0 日
张敏： 1996 年 3 月 16 日
李强： 1996 年 4 月 21 日
张静： 1996 年 9 月 7 日
李军： 1996 年 6 月 4 日
  • 提取生日
    (\S*) *(199[0-5])\S(\d{1,2})\S(\d{1,2})\S?    ||    $1的生日是$3月$4号
    匹配结果
    张伟的生日是11月16号
王伟的生日是11月14号
王芳的生日是12月15号
李伟的生日是3月16号
王秀英的生日是11月7号
李秀英的生日是1月18号
李娜的生日是9月6号
张秀英的生日是6月0号
刘伟的生日是1月4号
张敏的生日是3月16号
李静的生日是6月27号
张丽的生日是6月28号
王静的生日是5月4号
王丽的生日是1月2号
李强的生日是4月21号
张静的生日是9月7号
李敏的生日是6月5号
王敏的生日是2月9号
王磊的生日是8月19号
李军的生日是6月4号
刘洋的生日是6月25号

代码重构

原始文本如下

def fib():
    return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def subfib(start, end):
    for cur in fib():
        if cur > end: return
        if cur >= start:
            print cur
            yield cur

def foo(a, b):
   return a + b

print 'fibonacci 10~100:'
print subfib(10, 100)
  • 调整缩进，将四空格缩进重构为八个空格
    ^(\s+)    ||    $1$1
    处理结果如下
    def fib():
        return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def subfib(start, end):
        for cur in fib():
                if cur > end: return
                if cur >= start:
                        print cur
                        yield cur

def foo(a, b):
      return a + b

print 'fibonacci 10~100:'
print subfib(10, 100)
  • 重构 Python2 的 print 语法为 Python3 的 print() 函数
    print *(.*)$    ||    print($1)
    处理结果如下
    def fib():
    return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def subfib(start, end):
    for cur in fib():
        if cur > end: return
        if cur >= start:
            print(cur)
            yield cur

def foo(a, b):
   return a + b

print('fibonacci 10~100:')
print(subfib(10, 100))
  • 所有函数声明添加 func_ 前缀
    def *(.*)    ||    def func_$1
    处理结果如下
    def func_fib():
    return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def func_subfib(start, end):
    for cur in fib():
        if cur > end: return
        if cur >= start:
            print cur
            yield cur

def func_foo(a, b):
   return a + b

print 'fibonacci 10~100:'
print subfib(10, 100)
  • 交换函数声明中的参数位置
    def (.*?)\((\w+), *(\w+)\)    ||    def $1($3, $2)
    处理结果如下
    def fib():
    return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def subfib(end, start):
    for cur in fib():
        if cur > end: return
        if cur >= start:
            print cur
            yield cur

def foo(b, a):
   return a + b

print 'fibonacci 10~100:'
print subfib(10, 100)
  • 为所有函数添加注释模板
    def *(.*):    ||    def $1:   """    函数描述:    参数:    返回值:  """
    处理结果如下
    def fib():
   """
    函数描述:
    参数:
    返回值:
  """
    return ((1+sqrt(5))**n-(1-sqrt(5))**n)/(2**n*sqrt(5))

def subfib(start, end):
   """
    函数描述:
    参数:
    返回值:
  """
    for cur in fib():
        if cur > end: return
        if cur >= start:
            print cur
            yield cur

def foo(a, b):
   """
    函数描述:
    参数:
    返回值:
  """
   return a + b

print 'fibonacci 10~100:'
print subfib(10, 100)

数据格式验证

数据格式验证是正则表达式的一个常用领域，网站通常使用正则表达式来判断用户提交的信息是否符合规范。
下面的正则表达式都相当复杂，幸运的是你不需要记忆这些常用的正则表达式，需要时通过任何搜索引擎都能够找到。

  • 邮箱验证
    原始文本
    123@qq.com
asdf@gmail.com
surname@blah.com
name.name@123.com
1242135.com
@foo.com
a@a
name @bla.com
    正则表达式
    ^([A-Za-z0-9_\-\.])+\@([A-Za-z0-9_\-\.])+\.([A-Za-z]{2,4})$
    处理结果
    123@qq.com
asdf@gmail.com
surname@blah.com
name.name@123.com
  • 密码强度验证（最少八个字符，至少一个大写字母，一个小写字母和一个数字）
    原始文本
    123456
wdfqe#wefDdf123
wjleif932
8Ij12340
password
11111111ABc
hello
qweasdzxc
    正则表达式
    ^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[^\n]{8,}$
    处理结果
    wdfqe#wefDdf123
8Ij12340
11111111ABc
  • 18 位身份证号验证
    原始文本
    23010519491231002X
33010517491231232X
67810519491331214X
22010519491232452X
123412195292349132
123412196712234932
a23rr23451235t123f
124123580913457102
    正则表达式
    ^[1-9]\d{5}(18|19|([23]\d))\d{2}((0[1-9])|(10|11|12))(([0-2][1-9])|10|20|30|31)\d{3}[0-9Xx]$
    处理结果
    23010519491231002X
123412196712234932
  • IP 地址验证
    原始文本
    1.0.0.0
12.3.4.5
192.168.1.1
192.168.256.1
1.2.2.2
0.0.0.0
2.3.4
-1.2.3.4
    正则表达式
    ^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$
    处理结果
    1.0.0.0
12.3.4.5
192.168.1.1
1.2.2.2
0.0.0.0
  • 手机号验证
    原始文本
    12345678900
12354125235
15423423523
15123458654
8613890235892
017728384893
11111111111
    正则表达式
    ^(0|86|17951)?(13[0-9]|15[012356789]|17[678]|18[0-9]|14[57])[0-9]{8}$
    处理结果
    15123458654
8613890235892
017728384893

网络爬虫

网络爬虫提取数据也离不开正则表达式。

  • 提取所有 HTML 标签
    正则表达式
    <("[^"]*"|'[^']*'|[^'">])*>
    原始文本
    <div class="hotnews">
<div class="imgview" id="imgView"><a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank"><img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg"></a></div><ul><li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
***的改革之“喻” </a></li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
《必由之路》宣传片</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
主题歌《梦想阳光》发布 </a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg"><a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
【央视快评】坚持中国特色人权发展道路</a></li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">同舟共济</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
《改革开放 关键一招》第一集</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
【数说改革开放40年】40年减贫7.4亿人</a></li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">***出席的这个活动，有什么来头？</a>
</li>
</ul>
</div>
    处理结果
    <div class="hotnews">
<div class="imgview" id="imgView">
<a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg">
</a>
</div>
<ul>
<li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
</a>
</li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
</a>
<i style="font-size: 12px">
</i>
<a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
</a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg">
<a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
</a>
</li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">
</a>
<i style="font-size: 12px">
</i>
<a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
</a>
</li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">
</a>
</li>
</ul>
</div>
  • 清洗所有 HTML 标签
    正则表达式
    <("[^"]*"|'[^']*'|[^'">])*>    ||    ' '
    原始文本
    <div class="hotnews">
<div class="imgview" id="imgView"><a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank"><img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg"></a></div><ul><li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
***的改革之“喻” </a></li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
《必由之路》宣传片</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
主题歌《梦想阳光》发布 </a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg"><a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
【央视快评】坚持中国特色人权发展道路</a></li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">同舟共济</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
《改革开放 关键一招》第一集</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
【数说改革开放40年】40年减贫7.4亿人</a></li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">***出席的这个活动，有什么来头？</a>
</li>
</ul>
</div>
    处理结果
    
***的改革之“喻”   

《必由之路》宣传片 
 &nbsp;  
主题歌《梦想阳光》发布  

【央视快评】坚持中国特色人权发展道路  
 
 同舟共济 
 &nbsp;  
《改革开放 关键一招》第一集 

【数说改革开放40年】40年减贫7.4亿人  
 ***出席的这个活动，有什么来头？
  • 提取所有 URL
    正则表达式
    (https?|ftp|file)(:/)?/[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|]
    原始文本
    <div class="hotnews">
<div class="imgview" id="imgView"><a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank"><img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg"></a></div><ul><li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
***的改革之“喻” </a></li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
《必由之路》宣传片</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
主题歌《梦想阳光》发布 </a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg"><a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
【央视快评】坚持中国特色人权发展道路</a></li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">同舟共济</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
《改革开放 关键一招》第一集</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
【数说改革开放40年】40年减贫7.4亿人</a></li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">***出席的这个活动，有什么来头？</a>
</li>
</ul>
</div>
    处理结果
    https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com
https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg
http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm
http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html
http://politics.gmw.cn/2018-12/11/content_32146726.htm
https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg
http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html
http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html
http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml
http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml
http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news
  • 提取所有 JPG 图片的 URL
    正则表达式
    (https?|ftp|file)(:/)?/[-A-Za-z0-9+&@#/%?=~_|!:,.;]+[-A-Za-z0-9+&@#/%=~_|].jpg
    原始文本
    <div class="hotnews">
<div class="imgview" id="imgView"><a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank"><img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg"></a></div><ul><li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
***的改革之“喻” </a></li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
《必由之路》宣传片</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
主题歌《梦想阳光》发布 </a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg"><a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
【央视快评】坚持中国特色人权发展道路</a></li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">同舟共济</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
《改革开放 关键一招》第一集</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
【数说改革开放40年】40年减贫7.4亿人</a></li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">***出席的这个活动，有什么来头？</a>
</li>
</ul>
</div>
    处理结果
    https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg

https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg
```

  • 提取所有中文和中文标点
    正则表达式
    [\u4e00-\u9fa5\u3002\uff1b\uff0c\uff1a\u201c\u201d\uff08\uff09\u3001\uff1f\u300a\u300b]+
    原始文本
    <div class="hotnews">
<div class="imgview" id="imgView"><a href="https://xinwen.eastday.com/a/n181211075002407.html?qid=news.baidu.com" target="_blank"><img src="https://imgsa.baidu.com/news/q%3D100/sign=cdae0fb78a94a4c20c23e32b3ef51bac/cefc1e178a82b90151b62d8b7e8da9773912ef6b.jpg"></a></div><ul><li class="hdline0">
<a href="http://www.xinhuanet.com/politics/xxjxs/2018-12/11/c_1123834898.htm" target="_blank" class="a3">
***的改革之“喻” </a></li>
<li class="hdline1">
<a href="http://news.cri.cn/20181211/313376c7-77cc-abff-3a81-bd855c0a8577.html" target="_blank">
《必由之路》宣传片</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://politics.gmw.cn/2018-12/11/content_32146726.htm" target="_blank">
主题歌《梦想阳光》发布 </a>
</li>
<li class="hdline2">
<img src="https://imgsa.baidu.com/news/q%3D100/sign=ab45ee53bbfd5266a12b38149b199799/f9198618367adab46063f9fb86d4b31c8601e4d3.jpg"><a href="http://politics.people.com.cn/n1/2018/1211/c1001-30458946.html" target="_blank" class="a3">
【央视快评】坚持中国特色人权发展道路</a></li>
<li class="hdline3">
<a href="http://news.cri.cn/20181210/384ab948-e36b-b455-9d97-8eb05172c179.html" target="_blank">同舟共济</a>
<i style="font-size: 12px">&nbsp;</i><a href="http://news.cctv.com/2018/12/10/ARTI9v2GwcDNkh8obJh2vnUy181210.shtml" target="_blank">
《改革开放 关键一招》第一集</a>
</li>
<li class="hdline4">
<a href="http://news.cctv.com/2018/12/10/ARTISzd4ekNLNB88EFFtMgB7181210.shtml" target="_blank" class="a3">
【数说改革开放40年】40年减贫7.4亿人</a></li>
<li class="hdline5">
<a href="http://news.ifeng.com/a/20181211/60188943_0.shtml?_zbs_baidu_news" target="_blank">***出席的这个活动，有什么来头？</a>
</li>
</ul>
</div>
    处理结果
    ***的改革之“喻”
《必由之路》宣传片
主题歌《梦想阳光》发布
央视快评
坚持中国特色人权发展道路
同舟共济
《改革开放
关键一招》第一集
数说改革开放
年
年减贫
亿人
***出席的这个活动，有什么来头？