Python爬虫之正则表达式

1.常用符号

      .  ：匹配任意字符，换行符 \n 除外

      *  ：匹配前一个字符0次或无限次

     ?  ：匹配前一个字符0次或1次

     .*  ：贪心算法，尽可能的匹配多的字符

    .*?  ：非贪心算法

      () ：括号内的数据作为结果返回

2.常用方法

      findall：匹配所有符合规律的内容，返回包含结果的列表

     Search：匹配并提取第一个符合规律的内容，返回一个正则表达式对象

     Sub：替换符合规律的内容，返回替换后的值

3.使用示例

     3.1  . 的使用举例，匹配任意字符，换行符 \n 除外

import re      #导入re库文件
a = 'xy123'
b = re.findall('x..',a)
print b

       打印的结果为：['xy1'] ，每个 . 表示一个占位符

     3.2   * 的使用举例，匹配前一个字符0次或无限次

a = 'xyxy123'
b = re.findall('x*',a)
print b

      打印的结果为：['x', '', 'x', '', '', '', '', '']     

     3.3  ? 的使用举例，匹配前一个字符0次或1次

a = 'xy123'
b = re.findall('x?',a)
print b

     打印的结果为：['x', '', '', '', '', ''] 

     3.4  .* 的使用举例

secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
b = re.findall('xx.*xx',secret_code)
print b

     打印的结果为：['xxIxxfasdjifja134xxlovexx23345sdfxxyouxx']

     3.5  .*？的使用举例

secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
c = re.findall('xx.*?xx',secret_code)
print c

      打印的结果为：['xxIxx', 'xxlovexx', 'xxyouxx']

     3.6  ()的使用举例

secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
d = re.findall('xx(.*?)xx',secret_code)
print d

      打印的结果为：['I', 'love', 'you']  ，括号内的数据作为返回的结果

     3.7  re.S的使用举例

s = '''sdfxxhello
xxfsdfxxworldxxasdf'''
d = re.findall('xx(.*?)xx',s,re.S)  
print d

      打印的结果为：['hello\n', 'world']  ，re.S的作用是使 . 在匹配时包括 \n      

     3.8 findall的使用举例

s2 = 'asdfxxIxx123xxlovexxdfd'
f2 = re.findall('xx(.*?)xx123xx(.*?)xx',s2)
print f2[0][1]

      打印的结果为：love  

     这时f2为含有一个元组的列表，该元组包含两个元素，该元组中的两个元素为两个()匹配到的内容，如果s2包含多个'xx(.*?)xx123xx(.*?)xx'这样的子串，则f2包含多个元组

     3.9 search的使用举例

s2 = 'asdfxxIxx123xxlovexxdfd'
f = re.search('xx(.*?)xx123xx(.*?)xx',s2).group(2)
print f             

       打印的结果为：love
    .group(2) 表示返回第二个括号匹配到的内容，如果是 .group(1), 则打印的就是：I

     3.10 sub的使用举例

s = '123rrrrr123'
output = re.sub('123(.*?)123','123%d123'%789,s)
print output

       打印的结果为：123789123   

     其中的%d类似于C语言中的%d，如果 output=re.sub('123(.*?)123','123789123',s)，输出结果也为：123789123

     3.11 \d 的使用举例，用于匹配数字

a = 'asdfasf1234567fasd555fas'
b = re.findall('(\d+)',a)
print b

       打印的结果为：['1234567', '555']   ， \d+  可以匹配数字字符串