爬虫之正则表达式
2018-01-11 00:25
134 查看
正则表达式
regular expression = regex = RE
是一种通用的字符串表达框架,用来简洁表达一组字符串的表达式,也可用来判断某字符串的特征归属
正则表达式的语法
Re库的基本使用
re库是python的标准库
re库采用raw string类型表示正则表达式,表示为:r'test'
原生字符串(raw string)是不包含转义符的字符串
例子:
raw string: r'[1-9]\d{5}' r'\d{3}-\d{8}|\d{4}-\d{7}' string: '[1-9]\\d{5}' '\\d{3}-\\d{8}|\\d{4}-\\d{7}'
Re库主要功能函数
re.search(pattern, string, flags=0)
pattern:正则表达式的字符串或原生字符串表示
string:待匹配字符串
flags:正则表达式使用时的控制标记
re.match(pattern,string,flags=0)
因为match为从开始位置开始匹配,使用时要加if进行判别返回结果是否为空,否则会报错
re.findall(pattern,string,flags=0)
re.split(pattern,string,maxsplit=0,flags=0)
maxsplit为最大分割数,剩余部分作为最后一个元素输出
re.finditer(pattern,string,flags=0)
re.sub(pattern,repl,string,count=0,flags=0)
repl是用来替换的字符串,count为替换次数
Re库的另一种等价用法
Re库的函数式用法为一次性操作,还有一种为面向对象用法,可在编译后多次操作
regex = re.compile(pattern,flags=0)
通过compile生成的regex对象才能被叫做正则表达式
Re库的match对象
Match对象的属性
Match对象的方法
实例
Re库的贪婪匹配和最小匹配
Re库默认采取贪婪匹配,即输出匹配最长的子串
相关文章推荐
- 爬虫第三课(正则表达式)
- python爬虫基础知识(二)--正则表达式
- Python爬虫实例(4)-用urllib、re和正则表达式爬取网页图片
- 05精通Python网络爬虫——正则表达式的运用
- python——爬虫学习——正则表达式与Re库-(4)
- python正则表达式简单爬虫入门+案例(爬取猫眼电影TOP榜)
- python3爬虫之入门基础和正则表达式
- Python爬虫正则表达式常用符号和方法
- Python基础学习——正则表达式与第一个爬虫(requests)
- java爬虫--使用正则表达式获取网页中的email
- 黑马程序员-----正则表达式和网页爬虫
- Python 3爬虫网易云(五)—— 正则表达式下篇之HTML标签
- 06Python爬虫---正则表达式01之原子
- 初学Python----urllib2模块与正则表达式组合而成的小爬虫
- python爬虫入门教程--正则表达式完全指南(五)
- 在学习python网络爬虫时用到的正则表达式
- Python爬虫知识(2)——正则表达式复习
- python的小实验代码的备份,主要偏向于爬虫方向,难点是正则表达式和编码转换[入门]
- Python爬虫学习纪要(五):正则表达式2
- Python爬虫 正则表达式