Python进阶爬虫——Class7：正则表达式1

知识点：

1. 正则表达式
2. re模块
3. 正则字符

知识点说明：

1.正则表达式：又称规则表达式**,**（Regular Expression，在代码中常简写为regex、regexp或RE），是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个语法规则的字符串，通常被用来检索、替换那些符合某个模式（规则）的文本。

• 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。

• 正则表达式使用单个字符串来描述、匹配一系列匹配某个语法规则的字符串。

2.re模块：前面的一个 r 表示字符串为非转义的原始字符串

①match方法

imprort re
re.match(pattern,string,flags)。group()

pattern为匹配的正则表达式（r"字符串"），string为要匹配的字符串，flags为标志位（条件），group()获取匹配的结果。

ps：match方法从头匹配，如果开头不是匹配的表达式，返回None

②search方法

imprort re
re.search(pattern,string,flags).group()

扫描整个字符串并且仅返回第一个成功的匹配

③findall方法

imprort re
re.findall(pattern,string,flags)

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。查找所有。

④compile方法

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

imprort re
data = re.compile(pattern,flags)
r = data.(string)

先创建个正则表达式，再用来匹配。

⑤split方法：拆分字符串，和字符串当中的.split()作用一致，可以指定分割次数

imprort re
data = re.split(r"分隔符"，string,maxsplit=1)

以分隔符为节点，进行分割，maxsplit最大分割次数

⑥sub方法：sub方法类似字符串的replace()方法，用指定内容替换匹配到的字符，可以指定替换次数

imprort re
data = re.sub(r"匹配内容","替换内容",字符串,count=0)

3.正则字符

①修饰符

修饰符	描述
re.I	使匹配对大小写不敏感
re.L	做本地识别化匹配
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，这个标志会影响\w,\W\b,\B
re.A	ASCII字符模式

②元字符

字符	描述
.	小数点可以匹配除了换行符\n以外的任意字符，只能匹配一个
|	逻辑操作符-或
[abc]	匹配字符集所包含的任意一个字符。
[^abc]	匹配未包含的任意字符。
[a-z]	字符范围。匹配指定范围内的任意字符。
\	将紧跟后面的字符进行转义。
（）	对表达式进行分组，将圆括号的内容当做一个整体，并获得匹配的值

③转义字符

字符	描述
\n	匹配一个换行符。
\r	匹配一个回车符。
\t	匹配一个制表符。
\\	匹配一个斜杠
\^	匹配^符号
\$	匹配$符号
\.	匹配小数点.

④预定义匹配字符集

字符	描述
\d	匹配一个数字字符。等价于 [0-9]。
\w	匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\s	匹配空白字符
\D	匹配一个非数字字符。等价于 [^0-9】。
\W	匹配非字母、数字、下划线。等价于 'A-Za-z0-9_'。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v】

⑤重复匹配

字符	描述
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

⑥位置匹配

字符	描述
^	匹配输入字符串的开始位置。
$	匹配输入字符串的结束位置。