提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
re是Python 自带库 ,该库使 python 语言拥有了全部的正则表达式功能。关于正则表达式在 Python 爬虫中的重要性,你可以把它上升到和 HTML+JS 的高度,如果你想对爬虫有比较深入的理解,正则表达式是必备技能之一。这里,我们的核心是利用第三方库提高我们的爬虫编写速度,故对正则表达式部分,仅仅是简单介绍。
一、re 模块与正则表达式初次相遇
学习 re 模块无法与正则表达式分开进行,所以本小节将对这两部分进行一个整体的串讲。首先我们学习 re.match
方法。
这里补充一下,re 模块核心就是解析字符串,获取字符串里面的局部内容。re.match 方法就是从字符串的起始位置开始匹配,匹配成功返回匹配对象,失败返回 None。re.match
方法的参数说明请注意下述代码注释位置。
import re # 导入re模块
# re.match("要匹配的正则表达式","待匹配的字符串")
result1 = re.match("实", "实验楼Python爬虫实战课程-梦想橡皮擦")
result2 = re.match("验", "实验楼Python爬虫实战课程-梦想橡皮擦")
print(result1)
print(result2)
代码输出如下图所示,第一个 result1 由于从起始位置匹配到数据,故返回一个对象,第二个由于“验”字并不在第一个位置,所以返回 None :
看到这里,你肯定有疑问,看上去 re 模块与正则表达式的使用特别像是字符串比对查找,并没有看出特别的地方,接下来请看下述代码:
import re
result1 = re.match("实\w"