python网络爬虫和信息提取——第三篇——正则表达式库

正则表达式

regular exception      regex     RE
是用来简介表达一组字符串的表达式。
正则表达式常用操作符
操作符 说明 实例
. 表示任何单个字符
[ ] 字符集,对单个字符给出取值范围 [abc]表示 a,b,c
[a-z]表示a到z的单个字符
[^ ] 非字符集,对单个字符给出排除范围 [^abc]表示非a或b或c的单个字符
* 前一个字符0次或无限次扩展 abc* 表示 ab,abc,abcc,abccc 等
+ 前一个字符1次或无限次扩展 abc+ 表示 abc,abcc,abccc等
? 前一个字符0次或1次扩展 abc? 表示 ab,abc
| 左右表达式任意一个 abc|def 表示 abc,def
{m} 扩展前一个字符m次 ab{2}c表示 abbc
{m,n} 扩展前 一个字符m至n次(含n次) ab{1,2}c表示 abc,abbc
/i 忽略大小写
/g 全文查找出现的所有匹配字符
/m 多行查找
/gi或/ig 全文查找、忽略大小写
^ 匹配字符串开头 ^abc表示 abc且在一个字符串开头
$ 匹配字符串结尾 abc$表示 abc且在一个字符串结尾
( ) 分组标记,内部只能使用|操作符 (abc)表示abc
(abc|def)表示 abc,def
\d 数字,等价于|0-9|
\w 单词字符,等价于|A-Za-z0-9_|

python网络爬虫和信息提取——第三篇——正则表达式库_第1张图片

RE库的主要功能

python网络爬虫和信息提取——第三篇——正则表达式库_第2张图片
详情

	re.search(pattern,string,flags=0)
	在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
	pattern:正则表达式的字符串或原生字符串表示
	string:待匹配字符串
	flags:正则表达式使用时的控制标记

python网络爬虫和信息提取——第三篇——正则表达式库_第3张图片

re.match(pattern,string,flags=0)
re.findall(pattern,string,flags=0)
re.finditer(pattern,string,flags=0)
re.split(pattern,string,maxsplit=0,flags=0)
	maxsplit:最大分割数,剩余部分作为最一个元素输出
re.sub(pattern,repl,string,count=0,flags=0)
	repl:替换匹配字符串的字符串
	count:匹配的最大替换次数
Re库的另一种等价用法

函数式用法:一次性操作

rst=re.seartch(r'[1-9]\d{5}','BIT100081 TSU100084')

面向对象用法:编译后的多次操作

pat=re.compile(r'[1-9]\d{5}')
rst=pat.seartch('BIT100081')
将正则表达式的字符串形式编译成正则表达式对象
regex=re.compile(pattern,flags=0)
regex叫正则表达式
Re库的Match对象

python网络爬虫和信息提取——第三篇——正则表达式库_第4张图片
Match对象的方法
python网络爬虫和信息提取——第三篇——正则表达式库_第5张图片

Re库的贪婪匹配与最小匹配

默认贪婪匹配
最小匹配操作符
python网络爬虫和信息提取——第三篇——正则表达式库_第6张图片

你可能感兴趣的:(正则表达式,python,regex)