在python中随心所欲的使用正则表达式

初级爬虫学习资源

1. 爬虫学习——警察叔叔不抓我
2. 一文速通的正则表达式
3. python中使用正则表达式——为所欲为
4. 爬取“百思不得姐“网站——小试牛刀

re库

• python中的re库是正则表达式在python的实现
• 下面介绍几个常用的方法

search(pattern, string, flags=0)

• 扫描整个string并返回匹配pattern的结果(None或对象)
• 有匹配的字符串的话返回一个对象(包含符合匹配条件的第一个字符串),否则返回None

import re
#导入正则库

content = 'Hello 1234567 Hello 666'
#要匹配的文本
res = 'Hello\s'
#正则字符串

result = re.search(res, content)
if result is not None:
    print(result.group())
    #输出匹配得到的字符串 'hello'(返回的得是第一个'hello')
       
print(result.span())
#输出输出匹配的范围(匹配到的字符串在原字符串中的位置的范围)

res1 = 'Hello\s(\d)(\d+)'
result = re.search(res1, content)
print(result.group(1))
#group(1)表示匹配到的第一个组(即正则字符串中的第一个括号)的内容
print(result.group(2))

findall(pattern, string, flags=0)

• 扫描整个context并返回匹配res的结果(None或列表)
• 有匹配的字符串的话返回一个列表(符合匹配条件的每个子字符串作为它的一个元素),否则返回None

import re

res = 'Hello\s'
results = re.findall(res, content)
if results is not None:
   print(results)
   #输出: ['hello','hello']

res1 = 'Hello\s(\d)(\d+)'
results = re.findall(res1, content)
if result is not None:
    print(results) 
    # 当正则字符串中出现括号时,所得到列表的每个元素是元组
    # 每个元组的元素都是依次匹配到的括号内的表达式的结果
    #输出: [('1','1234567'),('6','666')]

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

• 可以来修改文本
• 用将用pattern匹配string所得的字符串替换成repl

import re

content = '54aK54yr5oiR54ix5L2g'
res = '\d+'
content = re.sub(res, '', content)
print(content)

compile(pattern, flags=0)

• 将正则表达式res编译成一个正则对象并返回,以便复用

import re

content1 = '2019-12-15 12:00'
content2 = '2019-12-17 12:55'
content3 = '2019-12-22 13:21'
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern, '', content1)
result2 = re.sub(pattern, '', content2)
result3 = re.sub(pattern, '', content3)
print(result1, result2, result3)

flags的一些常用值

• re.I 使匹配对大小写不敏感
• re.S 使.匹配包括换行符在内的所有字符

import re
re.compile(res, re.I)
#如果res可以匹配大写字母,那它也可以匹配相应的小写字母，反之也可

re.compile(res,re.S)
#使res中的'.'字符可以匹配包括换行符在内的所有字符