python3爬虫——正则表达式re详解（1）

（一）什么是正则表达式
还早呢过这表达式是对字符串操作的一种逻辑公式，就是用实现定义好的一些特定的字符，及这些特定的字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑
ps：正则表达式非python独有，使用re模块即可实现
（二）案例

re.match

语法格式：re.match(pattern,string,flag=0)

最常规的匹配：

最常规的匹配，表示匹配的结果为最原始的，中规中矩的匹配出结果
代码展示：

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
print(len(content))
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$', content)
print(result)
print(result.group())
print(result.span())

知识点：
（1）.group()表示的是返回正则匹配的结果
（2）.span()表示返回正则匹配的范围

泛匹配

泛匹配，表示将正则匹配的字符缩短，但得到的是何上方一样的
结果

代码展示：

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$', content)
print(result)
print(result.group())
print(result.span())

知识点：
（1） .* 可以匹配出除去换行以外的任意字符

匹配目标

匹配目标就是将需要的字符匹配出来

代码展示：

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld.*Demo$', content)
print(result)
print(result.group(1))
print(result.span())

知识点：
（1）（）匹配括号内的表达式，也表示一个组
（2）+ 匹配1个或多个的表达式
* 匹配0个或多个的表达式
（3）.group(1)—输出第一个带有（）的目标

贪婪匹配

在贪婪匹配中匹配出来的结果有可能不是我们想要的结果

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
print(result)
print(result.group(1))

非贪婪匹配

代码展示：

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$', content)
print(result)
print(result.group(1))

知识点：？ 匹配0个或1个由前面的正则表达式定义的片段，为非贪婪方式，匹配尽可能少的字符

匹配模式

当出现换行的时候，.*?*是不适用的，这时
我们需要使用re.s来实现，这样.*就可以代表换行了

代码展示：

import re

content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)
print(result.group(1))

转义

当有些转移字符出现在字符串中，需要使用’\’来消除他的另外一种含义

代码展示：

import re

content = 'price is $5.00'
result = re.match('price is \$5\.00', content)
print(result)

ps：以上均为学习崔庆才python3爬虫的学习笔记