[小白]爬虫之正则表达式基础

什么是正则表达式

1.使用单个字符串来描述匹配一系列符合某个句法规则的字符串
2.是对字符串操作的一种逻辑公式
3.应用场景：处理文本和数据
4.正则表达式过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功：否则匹配失败
5.正则表达式可以用于各种流行计算机语言，下边我以python为例讲解一下

正则表达式常用语法

字符	匹配
.	匹配任意字符（除了\n）
[…]	匹配字符集
\d/\D	匹配数字/非数字
\s/\S	匹配空白/非空白字符
\w/\W	匹配单词字符[a-z,A-Z,0-9]/非单词字符
*	匹配前一个字符0次或者无限次
+	匹配前一字符1次或者无限次
？	匹配前一字符0次或者1次
{m}/{m,n}	匹配前一次字符m次或者n次
*？/+?/??	匹配模式变为非贪婪（尽可能少匹配字符）
^	匹配字符串开头
$	匹配字符串结尾
\A/\Z	指定的字符串匹配必须出现在开头/结尾

• 各位小伙伴可以通过 在线正则表达式测试网址 练习一下正则表达式

re模块的相关使用方法

• 导入re模块 import re

1. re.match()
   尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none

a = '0cc6c26abfca0fbdea4579ff026be3af'
b = re.match(r'\d',a).group() 
#group传出第几块内容
#r'\d'是匹配的正则表达式，r防止出现转义字符，a是需要匹配的字符串
print(b)

0
#只能匹配起始位置

2. re.search()
   扫描整个字符串并返回第一个成功的匹配

a = 'acc6c26abfca0fbdea4579ff026be3af'
b = re.search(r'\d',a).group()
print(b)

6
#扫描整个，但是返回第一个匹配的

3. re.compile()
   用于编译正则表达式，生成一个正则表达式（Pattern）对象

a = '0cc6c26abfca0fbdea4579ff026be3af'
re = re.compile(r'\d')   #re为正则表达式的对象，以便以批量使用 
b = re.match(re,a).group() 
print(b)

0

4. re.findall()
   在字符串中找到正则表达式所匹配的所有字符串，并返回一个列表，如果没有找到匹配的，则返回空列表

a = '0cc6c26abfca0fbdea4579ff026be3af'
b = re.findall(r'\d',a)
print(b)

['6', '2', '6', '0', '4', '5', '7', '9', '0', '2', '6', '3']
#返回所有匹配的字符串，形成一个列表