python网络爬虫精解之正则表达式的使用说明
一、常见的匹配规则
二、常见的匹配方法
1、match()
match()方法从字符串的起始位置开始匹配,该方法有两个参数,第一个是正则表达式,第二个是需要匹配的字符串;
re.match(正则表达式,字符串)
如果该方法匹配成功,返回的是SRE_Match对象,如果未匹配到,则返回None。
返回成功后有两个方法,group()方法用来查看匹配到的字符串,span()方法用来输出匹配的范围。
import re content = 'Hello_World,123 456' result = re.match('^Hello\w{6}\W\d\d\d\s\d{3}',content) print(result) print(result.group()) print(result.span())
【运行结果】
<re.Match object; span=(0, 19), match='Hello_World,123 456'>
Hello_World,123 456
(0, 19)
子字符串匹配
在上述我们匹配到了完整的字符串,但是实际需求中可能只需要其中的一部分,这时我们仅需要在要获取的子字符串匹配时加上括号即可。
import re content = 'Hello_World,123 456' result = re.match('^Hello\w{6}\W(\d+)\s(\d{3})',content) print(result) print(result.group()) print(result.span()) print(result.group(1)) print(result.group(2))
【运行结果】
<re.Match object; span=(0, 19), match='Hello_World,123 456'>
Hello_World,123 456
(0, 19)
123
456
这样通过加括号的形式,将字符串中的数字匹配出来。
通用匹配符
.* 其中.用来匹配任意字符(除换行符),*代表前面出现的字符无限次。因此之前的匹配形式可以写为:
import re content = 'Hello_World,123 456' result = re.match('^Hello\.*456$',content) print(result.group())
【运行结果】
Hello_World,123 456
贪婪匹配和非贪婪匹配
.*匹配是贪婪匹配
.*?是非贪婪匹配
二者的主要区别是,贪婪匹配尽可能多的去匹配字符,而非贪婪匹配是尽可能少的匹配字符。下列代码能够更直观的了解二者之间的区别
import re content = 'number 12345678 test' result_1 = re.match('^number.*(\d+).*test$',content) print('贪婪匹配得到的数字:' + result_1.group(1)) result_2 = re.match('^number.*?(\d+).*test$',content) print('非贪婪匹配得到的数字:' + result_2.group(1))
【运行结果】
贪婪匹配得到的数字:8
非贪婪匹配得到的数字:12345678
大家会有这样一个疑问为什么贪婪匹配得到的数字少,而非贪婪匹配得到的多,这与前面讲的不太符合啊。
注意,在匹配的时候,贪婪匹配是尽可能多的去匹配字符,因此.*就匹配的是' 1234567‘,只留下8给\d+匹配,非贪婪匹配是尽可能少的匹配字符,故.*?匹配的是' ',留下12345678给\d+匹配,就会得到上述结果。
修饰符
修饰符 | 作用 |
---|---|
re.I | 忽略大小写进行匹配 |
re.L | 做本地化识别匹配 |
re.M | 多行匹配,影响^和$ |
re.S | 使.匹配包含换行符在内的所有字符 |
re.U | 根据Unicode字符集解析字符 |
re.X | 更加灵活的编写正则表达式 |
转义匹配
匹配特殊字符时,在其前面加反斜线(\)完成转义匹配。
2、search()
在匹配时会扫描整个字符串,然后返回第一个成功匹配的结果。如果将整个字符串搜索完了之后还是没有匹配到,则返回None。
3、findall()
与search()不同的是,findall()方法是将返回所有符合正则表达式匹配的内容。返回结果是一个列表,列表中的每个元素都是元组类型。
4、sub()
修改文本内容,原理是对要修改的内容进行替换。
import re temp = "abcdef123ghi456" temp = re.sub("\d+","",temp) print(temp)
【运行结果】
abcdefghi
sub()中的参数分析,第一个参数是正则表达式匹配要更改的内容,第二个参数是使用该参数内容进行替换,第三个参数是要更改的字符串。
5、compile()
将正则字符串编译成正则表达式对象,以便在后面的匹配中进行复用。
关于python网络爬虫精解之正则表达式的使用说明的文章就介绍至此,更多相关python 正则表达式内容请搜索编程宝库以前的文章,希望大家多多支持编程宝库!
前言:Python是面向对象的语言,一般情况下使用面向对象编程会使得开发效率更高,软件质量更好,并且代码更易于扩展,可读性和可维护性也更高。但是如果在一个较大的项目中,如果实体类非常多并且有 ...