python正则表达

这学期的课涉及到处理网页信息，但是具体操作方法老师不在课上教，所以打算自己学一下python爬虫。先从正则表达开始吧。

正则表达模块里面的函数

1. findall(): 这个函数的用法就是字面意思：找到所有匹配的对象。其返回值是一个列表，如果寻找的目标不存在，则返回一个空列表。输出返回值的方法是直接放在print里，或者赋值给一个变量。（我作为一个小白，遇到大神给出一个函数，但是没有具体用法时候，我就抓耳挠腮不晓得啷个用。所以自己的博客里会记录下具体用法）

import re
hand=open("jane.txt")#打开一个名为jane.txt的文件
handNew=""
for line in hand:
    line=line.rstrip()#去掉每一行结尾的换行符
    handNew=handNew+line
n=re.findall("paru",handNew)#赋值给变量
print(n)
print(re.findall("paru",handNew)) #直接print

findall()有一个特殊的用法：对数据的搜索与解析可同时进行。就是只留下（）里的表达：

比如有如下文档jane.txt。现在我想提取x-开头的一列字符串里的浮点数，如果只用[0-9.+]来匹配，会找到文中4.90877。为了避免该情况，可以用
findall加括号

import re
hand=open("jane.txt")#打开一个名为jane.txt的文件
handNew=""
for line in hand:
    line=line.rstrip()#去掉每一行结尾的换行符
    handNew=handNew+line
n=re.findall("X-\S.+?: ([0-9.]+)",handNew) #加括号，留所要
print(n)

有括号和没括号的区别：

2. compile(): 返回一个匹配对象，需要和findall(), match(), search()配合使用。返回结果：

re.compile('p.+\x08')

3. finditer()：返回一个iterator，迭代值。可以用for循环显示迭代值里的每一个对象。

接下来的match与search都是只匹配一个对象，返回对象及其位置，如果对象不存在则返回None。

4. match():匹配字符串的开头。如果开头不匹配，则返回none。例如对jane.txt文档，如果正则表达是“\Sa\S.+?”，则返回none。因为开头是On

5. search()：在整个文档里搜索，返回第一个匹配对象

import re
hand=open("jane.txt")#打开一个名为jane.txt的文件
handNew=""
for line in hand:
    line=line.rstrip()#去掉每一行结尾的换行符
    handNew=handNew+line
n=re.search("\Sa\S.+?",handNew) #加括号，留所要
print(n)
》〉》〉》〉》〉》〉
= RESTART: /Users/cottoncandy/Desktop/cours_content/爹爹不要鼓励我玩物丧志啦/python爬虫/test.py
<re.Match object; span=(3, 7), match='sait'>

正则表达字符

python里面正则表达的字符和基本正则语言里的字符差不多。我只记录下我遇到的新的表达方式或者我不熟练的：

符号	含义
\S	匹配非空字符
\s	匹配空字符
\B	匹配非空字符串，不能用于单词首尾
\D	匹配非数字字符
( )	括号内的在匹配时被忽略，!但在findall()里面相反!