在python中使用正则表达式
在使用python制作爬虫之前,我们必须要对python的正则表达式有一定的了解,在python中使用正则表示式要导入re
包
语法
\d
匹配数字1-9 \w
匹配字符 [ ]
匹配集合里面的字符 +
匹配前面出现的正则表达式1次或多次 .
表示匹配任意一个字符,除换行符除外, x.
匹配xy23
中的xy
,若是x..
则匹配出xy2
*
表示匹配0个或多个其前面的字符,x*
匹配xxxy123
中的xxx
?
表示匹配0个或1个其前面的字符,x?
匹配xxxy123
中的x
.*
是贪婪匹配,x.*x
它会匹配xhelloxxworldx
的整个字符 .*?
是最小匹配,x.*?x
它会匹配xhelloxxworldx
中的xhellox
python中正则表示式的分组,在python中正则表达式的分组使用( )
表示:
函数
search(pattern, string, flags=0)
函数匹配字符串符合正则表达式的第一个位置 re.findall(pattern, string, flags=0)
函数匹配字符串中所以符合正则表达式的字符串
更多的内容请上官网re表达式库查询
# -*- coding:utf-8 -*-
import re
code = '123xxhelloxx567xxworldxx89'
f = re.search('xx(.*?)xx',code).group(1)
print(f)
#输出答案为hello,若使.group(0)输出的是所匹配的字符串xxhelloxx
#若是使用贪婪匹配的,‘(.*)’上述输出的结果为helloxx567xxworld,若是.group(0)输出的则是xxhelloxx566xxworldxx
re.S
表示.
可以匹配任何的字符,包括换行
# -*- coding:utf-8 -*-
import re
s = '''123xxhello xx567xxworldxx89'''
d = re.findall('xx(.*?)xx',s)
print(d)
#输出的结果为并不是`hello`和`world`而是`567`,因为`.`可以匹配任意字符,但不可以匹配换行
#为了要输出正确的结果,要传入改函数的默认参数`re.S`
text = re.findall('xx(.x?)xx',s,re.S)
#利用re.findall()函数返回的是一个list集合而不是Match,所以不可以使用.grout()来读取分组
for each in d:
print(each)
#输出结果为hello和world