python爬虫—正则表达式的使用

本文详细介绍了Python爬虫中正则表达式的使用,包括各种元字符、量词、分组以及匹配模式。讲解了如何利用正则表达式匹配字符串的开头和结尾,以及匹配任意字符、特定字符集、非贪婪匹配等。同时,还提到了常用的正则函数如`re.match`、`re.search`、`re.sub`和`re.findall`。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

python爬虫—正则表达式的使用
“”"
^匹配字符串的开头
$匹配字符串的结尾
.匹配任意字符除了换行符,当re.DOTALL标记被指定时,则可以匹配包括换行的任意字符
[…]用来表示一组字符,单独列出,[adas]匹配’a’‘d’;‘a’‘s’
[^…]匹配不在[]中的字符
re* 匹配0和或多和表达式
re+ 匹配一个或多个的表达式
re? 匹配0或1个由前面的正则表达式定义的片段,非贪婪方式
re{n}
re{n,} 精确匹配N个前面表达式
re{n,m} 匹配n到m次由前面的正则表达式定义的片段,贪婪方式
a b
(re) G匹配括号内的表达式,也表示一个组
(?imx) 正则表达式包含三种可选标志:i,m或x 之影响括号内的区域
(?#.)注释
\w 匹配字母数字及下划线
\W 匹配非字母数字及下划线
\s 匹配任意空白字符,等价于【\t\n\r\f】
\S 匹配任意非空字符
\d 匹配任意数字,等价于[1-9]
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束,如果是存在换行,只匹配到换行前的结束字符串
\z 匹配字符串结束
\G 匹配最后完成匹配的位置
\b 匹配一个单词边界,也就是之单词和空格键的位置例如:er\b 可以匹配never 中的er 但是不可以匹配verb的er
\n,\t 匹配一个换行符,匹配一个制表符
\1…\9 匹配第n个分组的内容、
\10 匹配第n个分组的内容,如果经匹配,否则指的是八进制字符码的表达式
[\u4e00-\u9fa5] 中文

贪婪模式:总是匹配尽量多的字符】默认是贪婪的,非贪婪模式加个?
例如:正则表达式ab如果用于查找"abbbc" ,将找到’abbb’3而如果使用非贪婪模式ab?,将找到’a’

常用方法:
re.match() 尝试从字符串的起始位置
re.search
re.search扫描整个字符串并成功返回第一个成功的匹配
函数语法:re.search(pattern,string,flags=0)
re.sub
re.sub替换字符串re.sub(pattern,replace,string)
re.findall
re.findall查找全部 re.findall(pattern,string,flags=0)
“”"

实例演示:

import re
str1  = "I Study Python3.7 Everyday "
print("*****match****")
m1 = re.match(r'I',str1)
m2 = re.match(r"\w",str1)
m3 = re.match(r".",str1)
m4 = re.match(r"\D",str1)
m5 = re.match(r"i",str1,re.I)
m6 = re.match(r"\S",str1)
print(m1.group())
print(m4.group())
print(m5.group())
m = re.match(r"Study",str1)#匹配不到,因为match是从左开始匹配
print(m)
print("****re.search()*******")
m1 = re.search(r"Study",str1)
m3 = re.search(r"S\w+",str1)
m2 = re.findall(r"Study",str1)

print(m2[0])
m1 = re.search(r"P\w+.\d",str1)
print(m1.group())


f1 = re.findall(r"y",str1)#findall是一个列表
print(f1)
import re
str2 = '<div><a herf ="https://www.baidu.com/">bjsxt百度</a></div>'
# f1 = re.findall(r"[\u4e00-\u9fa5]\w+",str2)
# f2 = re.findall(r'<a herf ="https://www.baidu.com/">(.+)</a>',str2)
f3 = re.findall(r'a herf ="(.+)">',str2)
print(f3)
str2 = '<div class = "info" id = "info"><a herf ="https://www.baidu.com/">bjsxt百度</a></div>'
import re
str2 = '<div><a herf ="https://www.baidu.com/">bjsxt百度</a></div>'
sul = re.sub(r"<div>(.+)</div>",r"<span>\1</span>",str2)#\1一个分组
print(sul)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值