首页 / 正则 / python网络爬虫--正则表达式
python网络爬虫--正则表达式
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了 python网络爬虫--正则表达式，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4063字，纯文字阅读大概需要6分钟。
内容图文
正则表达式及其应用
正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串
正则表达式是字符串处理的有力工具，正则表达式使用预定义的模式去匹配一类具有共同特征的字符串，可以快速、准确地完成复杂的查找、替换等处理要求，比字符串自身提供的方法提供了更强大的处理功能。
正则表达式在文本编辑与处理、网页爬虫之类的场合中有重要应用。
正则表达式由元字符及其不同组合来构成，通过巧妙地构造正则表达式可以匹配任意字符串，并完成查找、替换、分隔等复杂的字符串处理任务。
'[a-zA-Z0-9]'
基本语法
| 元字符 | 功能说明 |
|---|---|
| . | 匹配除换行符以外的任意单个字符 |
| * | 匹配位于*之前的字符或子模式的0次或多次出现 |
| + | 匹配位于+之前的字符或子模式的1次或多次出现 |
| - | 在[]之内用来表示范围 |
| | | 匹配位于|之前或之后的字符 |
| ^ | 匹配行首，匹配以^后面的字符开头的字符串 |
| $ | 匹配行尾，匹配以$之前的字符结束的字符串 |
| ? | 匹配位于?之前的0个或1个字符。当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o” |
| \ | 表示位于\之后的为转义字符 |
| \num | 此处的num是一个正整数，表示子模式编号。 例如，“(.)\1”匹配两个连续的相同字符 |
| \f | 换页符匹配 |
| \n | 换行符匹配 |
| 元字符 | 功能说明 |
|---|---|
| \r | 匹配一个回车符 |
| \b | 匹配单词头或单词尾 |
| \B | 与\b含义相反 |
| \d | 匹配任何数字，相当于[0-9] |
| \D | 与\d含义相反，等效于[^0-9] |
| \s | 匹配任何空白字符，包括空格、制表符、换页符，与 [ \f\n\r\t\v] 等效 |
| \S | 与\s含义相反 |
| \w | 匹配任何字母、数字以及下划线，相当于[a-zA-Z0-9_] |
| \W | 与\w含义相反\w含义相反，与“[^A-Za-z0-9_]”等效 |
| () | 将位于()内的内容作为一个整体来对待 |
| {m,n} | {}前的字符或子模式重复至少m次，至多n次 |
| [] | 表示范围，匹配位于[a-z]中的任意一个字符 |
| [^xyz] | 反向字符集，匹配除x、y、z之外的任何字符 |
| [a-z] | 字符范围，匹配指定范围内的任何字符 |
| [^a-z] | 反向范围字符，匹配除小写英文字母之外的任何字符 |
扩展语法
正则表达式使用圆括号“()”表示一个子模式，圆括号内的内容作为一个整体对待，例如'(red)+'可以匹配'redred'、'redredred'等一个或多个重复'red'的情况。
使用子模式扩展语法可以实现更加复杂的字符串处理功能。
| 语法 | 功能说明 |
|---|---|
| (?P |
为子模式命名 |
| (?iLmsux) | 设置匹配标志，可以是几个字母的组合，每个字母含义与编译标志相同 |
| (?:...) | 匹配但不捕获该匹配的子表达式 |
| (?P=groupname) | 表示在此之前的命名为groupname的子模式 |
| (?#...) | 表示注释 |
| (?<=…) | 用于正则表达式之前，表示如果<=后的内容在字符串中不出现则匹配，但不返回<=之后的内容 |
| (?=…) | 用于正则表达式之后，表示如果=后的内容在字符串中出现则匹配，但不返回=之后的内容 |
| (?<!...) | 用于正则表达式之前，表示如果<!后的内容在字符串中不出现则匹配，但不返回<!之后的内容 |
| (?!...) | 用于正则表达式之后，表示如果!后的内容在字符串中不出现则匹配，但不返回!之后的内容 |
应用集锦
实际应用举例
Python标准库re模块提供了正则表达式操作所需要的功能。
| 方法 | 功能说明 |
|---|---|
| compile(pattern[, flags]) | 创建模式对象 |
| escape(string) | 将字符串中所有特殊正则表达式字符转义 |
| findall(pattern, string[, flags]) | 返回包含字符串中所有与给定模式匹配的项的列表 |
| finditer(pattern, string, flags=0) | 返回包含所有匹配项的迭代对象，其中每个匹配项都是match对象 |
| fullmatch(pattern, string, flags=0) | 尝试把模式作用于整个字符串，返回match对象或None |
| match(pattern, string[, flags]) | 从字符串的开始处匹配模式，返回match对象或None |
| purge() | 清空正则表达式缓存 |
| search(pattern, string[, flags]) | 在整个字符串中寻找模式，返回match对象或None |
| split(pattern, string[, maxsplit=0]) | 根据模式匹配项分隔字符串 |
| sub(pat, repl, string[, count=0]) | 将字符串中所有与pat匹配的项用repl替换，返回新字符串，repl可以是字符串或返回字符串的可调用对象，作用于每个匹配的match对象 |
| subn(pat, repl, string[, count=0]) | 将字符串中所有pat的匹配项用repl替换，返回包含新字符串和替换次数的二元元组，repl可以是字符串或返回字符串的可调用对象，作用于每个匹配的match对象 |
import re
telNumber = "My tel: 0234-1234675,your tel: 023-1223344, his tel: 034-23456"
pattern = r"(\d{3,4})-(\d{3,8})"
for item in re.findall(pattern, telNumber):
print("-".join(item))
import re
phone = "2004-959-599 #这是一个电话号码"
num = re.sub("#.*$","", phone)
print(num)
num = re.sub("\D","", phone)
print(num)
内容总结
以上是互联网集市为您收集整理的 python网络爬虫--正则表达式全部内容，希望文章能够帮你解决 python网络爬虫--正则表达式所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。