从零开始的python爬虫教程(Day03)

目录

• 简介
• 常用匹配规则
• • 01 普通字符
  • 02 元字符
  • 03 限定符
  • 04 特殊字符
  • 05 修饰符
• re库的部分方法
• • 01 match
  • 02 search
  • 03 findall
  • 04 compile
• 代码下载

简介

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。(来源于百度文库)

常用匹配规则

详细匹配规则请参考菜鸟教程。

01 普通字符

在正则表达式里面写入普通字符，则可以直接匹配出来。

02 元字符

字符	作用
w	匹配字母、数字、下划线
W	匹配非字母、非数字、非下划线
s	匹配空白字符
S	匹配非空白字符
d	匹配数字
D	匹配非数字
A	匹配字符串开头
z	匹配字符串结尾(包括换行)
	匹配字符串结尾(不包括换行)
	匹配换行符
	匹配制表符
^	匹配字符串开头
$	匹配字符串结尾
*	匹配0个以上的任意字符
+	匹配1个以上的任意字符

03 限定符

字符	作用
[]	匹配一组字符，匹配[]内的任意字符
()	匹配括号内的表达式，或一个组
|	a|b匹配a或b
{n}	匹配n个前面的表达式
?	匹配0-1个前面的表达式定义的片段
{m,n}	匹配m-n个前面的表达式定义的片段

04 特殊字符

由于正则表达式里面的很多字符都有其独特的作用，故此，需要用一种方式来匹配这些有作用的字符。

就是在这些字符前面加上“”。

这些字符包括：

特殊字符	匹配方法
^	^
*	*
+	+
.	.
?	?
|	|
[]	[
{}	{
()	( )
	\

05 修饰符

修饰符为正则表达式里面添加的标志，用于控制匹配模式。

修饰符	作用
re.I	匹配对大小写不敏感
re.M	可以匹配多行
re.S	使.可以匹配换行
re.U	匹配Unicode解析字符

re库的部分方法

01 match

match会从字符串的头开始进行匹配，如果开头不匹配，则返回None。

sentence = "Hello! I'm 12218. ✧٩(ˊωˋ*)و✧"

text = re.match(r'^Hello.*?(d+).*', sentence)
print(text)
print(text.group())
print(text.group(0)) # group()和group(0)作用一样，都是匹配到的全部字符串
print(text.group(1)) # group(1)是取匹配到的第一个字符串

02 search

search会从字符串的任意位置开始进行匹配，如果非发现匹配部分，则返回None。

text = re.search(r'ello.*?(d+).*', sentence) # search会从字符串的任意位置开始进行匹配
print(text)
print(text.group())
print(text.group(0))
print(text.group(1))

03 findall

findall是从字符串里面寻找所有符合条件的匹配部分，匹配部分返回一个列表类型，如果非发现匹配部分，则返回空列表。

text = re.findall(r'd', sentence) # findall是从字符串里面寻找所有符合条件的匹配部分
print(text)
print(type(text))

04 compile

compile的方法是用于将一个正则表达式编译成一个正则表达式对象，以便重复使用。

content = re.compile(r'.*?(d+).*?') # 将一个正则表达式编译成一个正则表达式对象，可以更方便地使用
text = re.findall(content, sentence)
print(text)

代码下载

完整版代码请移步我的GitHub。