【爬虫技能树】㈢、必备技能:正则表达式

目录

  • 简介
    • 匹配模式
  • re.match函数
    • 案例
  • re.search方法
    • 案例
  • re.match与re.search的区别
    • 案例
  • re.sub
    • 案例
  • re.findall
    • 案例
  • 正则修饰符

简介

正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。
Python re 模块提供了一些函数,使用一个模式字符串做为它们的第一个参数。

匹配模式

模式 描述
^ 匹配字符串的开头
$ 匹配字符串的末尾
. 匹配任意字符,除了换行符
\d 匹配一个数字字符
\D 匹配一个非数字字符
\s 匹配任意空白字符,包括空格、制表符、换页符等等
\S 匹配任意非空白字符
\w 匹配包括下划线的任意单词字符
\W 匹配任意非单词字符
[0-9] 匹配任意数字
[a-z] 匹配任意小写字母
[A-Z] 匹配任意大写字母
.* 表示"贪婪"模式,除了换行符以外得任意单个或多个字符
.*? 表示"非贪婪"模式,只保存第一个匹配到的子串

re.match函数

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。

语法:

re.match(pattern, string, flags=0)
  • pattern – 匹配的正则表达式
  • string – 匹配的字符串
  • flags – 标志位,用于控制正则表达式的匹配方式

匹配方法:

方法 描述
group() 匹配的整个表达式的字符串
groups() 返回一个包含所有小组字符串的元组

案例

import re

print(re.match('he', 'hello word').span())  # 在起始位置匹配
print(re.match('word', 'hello word'))  # 不在起始位置匹配

【爬虫技能树】㈢、必备技能:正则表达式_第1张图片

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。
语法:

re.search(pattern, string, flags=0)

案例

import re

l = 'hello word'
print(re.search( r'.*', l).group())  # 匹配所有字符串

在这里插入图片描述

re.match与re.search的区别

re.match 只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回 None,而 re.search 匹配整个字符串,直到找到一个匹配。

案例

import re

line = "hello word"

match = re.match(r'word', line).group() \
    if re.match(r'word', line) else None

print(match)

search = re.search(r'word', line, re.M | re.I).group()
print(search)

【爬虫技能树】㈢、必备技能:正则表达式_第2张图片

re.sub

re.sub用于替换字符串中的匹配项。
语法:

re.sub(pattern, repl, string, count=0, flags=0)

参数:

  • pattern : 正则中的模式字符串。
  • repl : 替换的字符串,也可为一个函数。
  • string : 要被查找替换的原始字符串。
  • count : 模式匹配后替换的最大次数,默认 0 表示替换所有的匹配。
  • flags : 匹配模式

案例

import re

phone = "139-2030-0495"


# 移除符号
num = re.sub(r'\D', "", phone)
print("手机号: ", num)

【爬虫技能树】㈢、必备技能:正则表达式_第3张图片

re.findall

在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果有多个匹配模式,则返回元组列表,如果没有找到匹配的,则返回空列表

注意: match 和 search 是匹配一次,而 findall 匹配所有,也是经常用的匹配模块
语法:

re.findall(pattern, string, flags=0)
  • pattern --匹配模式
  • string – 待匹配的字符串
  • flags – 匹配模式

案例

import re

text = "我爱python 666"


# 移除符号
res = re.findall(r'\d+',text) # 匹配数字
res1 = re.findall('.*',text,re.S) # 匹配所有

print(res)
print(res1)

【爬虫技能树】㈢、必备技能:正则表达式_第4张图片

正则修饰符

修饰符 说明
re.I 使匹配对大小写不敏感
re.L 做本地化识别(locale-aware)匹配
re.M 多行匹配,影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符
re.X 该标志通过给予你更灵活的格式

点关注不迷路,本文若对你有帮助,烦请三连支持一下 ❤️❤️❤️
各位的支持和认可就是我最大的动力❤️❤️❤️

在这里插入图片描述

你可能感兴趣的:(爬虫技能树,正则表达式,爬虫,python)