Task02 正则表达式

一、介绍：

• 正则表达式是用来简洁表达一组字符串的表达式
• 正则表达式是一种通用的字符串表达框架
• 正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具
• 正则表达式可以用来判断某字符串的特征归属

二、语法：

正则符号	含义
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围 ，如[abc]表示a、b、c，[a‐z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围 ，如[^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，如abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展 ，如abc+ 表示 abc、abcc、abccc等
?	前一个字符0次或1次扩展，如abc? 表示 ab、abc
|	左右表达式任意一个，如abc|def 表示 abc、def
{m}	扩展前一个字符m次，如ab{2}c表示abbc
{m,n}	扩展前一个字符m至n次（含n） ，如ab{1,2}c表示abc、abbc
^	匹配字符串开头，如^abc表示abc且在一个字符串的开头
$	匹配字符串结尾，如abc$表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用|操作符，如(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_]

• re库的使用

1、调用方式：

import re

2、re库表达式

re库采用raw string类型表示正则表达式，表示为：r'text'，raw string是不包含对转义符再次转义的字符串;

re库的主要功能函数：

函数名	函数说明	函数定义
re.search()	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	re.search(pattern, string, flags=0)
re.match()	从一个字符串的开始位置起匹配正则表达式，返回match对象	re.match(pattern, string, flags=0)
re.findall()	搜索字符串，以列表类型返回全部能匹配的子串	re.findall(pattern, string, flags=0)
re.split()	将一个字符串按照正则表达式匹配结果进行分割，返回列表类型	re.split(pattern, string, maxsplit=0, flags=0)
re.finditer()	搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象	re.finditer(pattern, string, flags=0)
re.sub()	在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串 flags : 正则表达式使用时的控制标记： § re.I --> re.IGNORECASE : 忽略正则表达式的大小写，[A‐Z]能够匹配小写字符 § re.M --> re.MULTILINE : 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 § re.S --> re.DOTALL : 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符	re.sub(pattern, repl, string, count=0, flags=0)

 

• 某第商品比价定向爬虫

爬取思路：

1. 提交商品搜索请求，循环获取页面
2. 对于每个页面，提取商品名称和价格信息
3. 将信息输出到屏幕上

1、提交商品搜索请求，循环获取页面

 

2、对于每个页面，提取商品名称和价格信息

 

3、将信息输出到屏幕上

 

4、结果如下