Python中的正则表达式

在python中使用正则表达式

在使用python制作爬虫之前，我们必须要对python的正则表达式有一定的了解,在python中使用正则表示式要导入re包

语法

\d匹配数字1-9
\w匹配字符
[ ]匹配集合里面的字符
+匹配前面出现的正则表达式1次或多次
.表示匹配任意一个字符，除换行符除外， x.匹配xy23中的xy,若是x..则匹配出xy2
*表示匹配0个或多个其前面的字符,x*匹配xxxy123中的xxx
?表示匹配0个或1个其前面的字符,x?匹配xxxy123中的x
.*是贪婪匹配,x.*x它会匹配xhelloxxworldx的整个字符
.*?是最小匹配，x.*?x 它会匹配xhelloxxworldx中的xhellox
python中正则表示式的分组，在python中正则表达式的分组使用( )表示:

函数

search(pattern, string, flags=0)函数匹配字符串符合正则表达式的第一个位置
re.findall(pattern, string, flags=0)函数匹配字符串中所以符合正则表达式的字符串
更多的内容请上官网re表达式库查询

# -*- coding:utf-8 -*-
import re
code = '123xxhelloxx567xxworldxx89'
f = re.search('xx(.*?)xx',code).group(1)
print(f)
#输出答案为hello,若使.group(0)输出的是所匹配的字符串xxhelloxx
#若是使用贪婪匹配的，‘(.*)’上述输出的结果为helloxx567xxworld,若是.group(0)输出的则是xxhelloxx566xxworldxx

re.S表示.可以匹配任何的字符，包括换行

# -*- coding:utf-8 -*-
import re
s = '''123xxhello
xx567xxworldxx89'''
d = re.findall('xx(.*?)xx',s)
print(d)
#输出的结果为并不是`hello`和`world`而是`567`，因为`.`可以匹配任意字符，但不可以匹配换行

#为了要输出正确的结果，要传入改函数的默认参数`re.S`
text = re.findall('xx(.x?)xx',s,re.S)
#利用re.findall()函数返回的是一个list集合而不是Match，所以不可以使用.grout()来读取分组
for each in d:
    print(each)
#输出结果为hello和world