python正则表达式

爬虫程序:能自动从相关网页中搜索与提取所需数据的程序。

爬虫工作程序:获取该网站的HTML代码,解析HTML代码,提取代码中的数据。

爬虫程序的关键就是解析与提取html中的数据,而正则表达式就是解析与提取HTMl代码中数据的一种较为简单的方法。

一、正则表达式

1、 \d :匹配0~9的一个数值

python 复制代码
import re
reg = r "\d"
m = re.search(reg,"abc12345cd")
print(m)

结果:

python 复制代码
<re.Match object; span=(3, 4), match='1'>

匹配结果是:1

2、+ :字符+可以重复前面的一个匹配字符一次或者多次

python 复制代码
import re
reg = r"b\d+"
m = re.search(reg,"a12b1234")
print(m)

结果:

python 复制代码
<re.Match object; span=(3, 8), match='b1234'>

匹配结果是:b1234
注意: r"b\d+"表示第一个字符要匹配 "b" ,后面是连续的过个数值,因此匹配的是b1234

3、* 表示重复前边的一个匹配字符0次或者多次。

注:加号和星号的匹配机制类似,但有区别在于 * 可以匹配到0次。

python 复制代码
import re
reg = r"ab+"
m = re.search(reg, "acabc")
print(m)
reg1 = r"ab*"
m1 = re.search(reg1, "acabc")
print(m1)

结果:

python 复制代码
<re.Match object; span=(2, 4), match='ab'>
<re.Match object; span=(0, 1), match='a'>

r "ab+ "的匹配机制是匹配到"ab":。

r "ab*"的匹配是"a",b可以是0或者多次。

4、? :表示重复前面的一个匹配字符0次或者1次

python 复制代码
import re
reg = r"ab?"
m = re.search(reg, "abbcabc")
print(m)

结果:

python 复制代码
<re.Match object; span=(0, 2), match='ab'>

匹配结果是ab,但是只匹配了1次

5、字符 . 代表任意字符,但是没有特别声明时,不代表任何字符

python 复制代码
import re
s = "xaxby"
m = re.search(r"a.b", s)
print(m)

结果:

python 复制代码
<re.Match object; span=(1, 4), match='axb'>

__.__代表了字符"x"

6、 " | "表示 | 符号左右两个部分任意匹配一个

python 复制代码
import re
s = "xaababy"
m = re.search(r"ab|ba", s)
print(m)

结果:

python 复制代码
<re.Match object; span=(2, 4), match='ab'>

匹配"ab"或者匹配"ba"都可以

7、特殊字符使用" \ "引导

例如

  • \r 表示回车符,
  • \n 表示换行符 ,
  • \t 表示制表符 ,
  • \ \ 表示反斜线本身。

8、字符 \b 表示单词结尾,各种空白字符或者字符串结尾都是单词结尾。

python 复制代码
import re

reg = r"car\b"
m = re.search(reg, "The car is black")
print(m)

结果:

python 复制代码
<re.Match object; span=(4, 7), match='car'>

匹配结果是 "car",因为car后边有一个空格

9、[ ]中的字符可以对任选一个

如果字符是ASCII中的连续的一组,那么可以使用"_"连接。

例如:[0-9]表示0-9中的一个数字。

A- Z\]表示A- Z中的一个大写字符。 \[0- 9A\~ Z\]表示0- 9中的要给数字或者A\~Z中的一个大写字母。 ```python import re reg = r"x[0-9]y" m = re.search(reg, "xyx2y") print(m) ``` 结果: ```python ``` 匹配结果是x2y #### 10、\^出现在\[ \]中第一个字符位置,表示取反 例如\[\^ab0-9\]表示不是a,b,也不是0-9之间的数字。 ```python import re reg = r"x[^ab0-9]y" m = re.search(reg, "xayx2yxcy") print(m) ``` 结果: ```python ``` 匹配结果是"xcy" #### 11、\\s匹配任何空白字符, \\s等价于\[\\r\\b\\x20\\t\\f\\v

12、\w匹配下划线、英文、数字等字符

\w等价于[a-zA-Z0-9]

python 复制代码
import re
reg = r"\w+"
m = re.search(reg, "python is easy")
print(m)

结果:

python 复制代码
<re.Match object; span=(0, 6), match='python'>

匹配结果是python,因为加号匹配1次或者多次,\w匹配下划线、英文、数字等字符

13、^匹配字符串的开头位置。

python 复制代码
import re
reg = r"^ab"
m = re.search(reg, "cabcab")
print(m)

结果:

python 复制代码
None

因为没有以ab开头的字母

14、$ 匹配字符的结尾位置

python 复制代码
import re
reg = r"ab$"
m = re.search(reg, "cabcab")
print(m)

结果:

python 复制代码
<re.Match object; span=(4, 6), match='ab'>

经常匹配字符串的结尾位置

15、() 经常与+,*, ? , 等一起使用,对()内的部分进行重复。

python 复制代码
import re
reg = r"(ab)+"
m = re.search(reg, "ababcab")
print(m)

结果:

python 复制代码
<re.Match object; span=(0, 4), match='abab'>

匹配结果是abab,因为+对ab进行了重复。

相关推荐
流星白龙6 分钟前
【Qt】3.认识 Qt Creator 界面
java·开发语言·qt
星期天要睡觉10 分钟前
计算机视觉(opencv)——人脸网格关键点检测
python·opencv·计算机视觉
用户83562907805112 分钟前
用Python轻松转换Excel表格为HTML格式
后端·python
机灵猫14 分钟前
深入理解 Java 类加载与垃圾回收机制:从原理到实践
java·开发语言
weixin_3077791315 分钟前
AWS Redshift 数据仓库完整配置与自动化管理指南
开发语言·数据仓库·python·云计算·aws
Sunsets_Red17 分钟前
差分操作正确性证明
java·c语言·c++·python·算法·c#
APIshop33 分钟前
代码实例:Python 爬虫抓取与解析 JSON 数据
爬虫·python·json
伐尘37 分钟前
【Qt】QTableWidget 自定义排序功能实现
开发语言·qt
程序员爱钓鱼1 小时前
Python编程实战 · 基础入门篇 | Python的版本与安装
后端·python
hmbbcsm1 小时前
练习python题目小记
python