正则表达式
如果你是学python爬虫的,那么你一定要对正则表达式使用非常熟练,如果你不是,比如你是学python自动化运维的或其他的,那么只需要对常见的熟练使用即可,需要遇到复杂的再百度。
使用正则表达式,只需要记住一个“套路”,如下图,然后慢慢延申即可。
首先python中需要引入re模块 才能使用正则表达式
我们只需要记住re.match后面匹配的括号中,第一个字段是你想要匹配筛选得到的东西,第二个字段是从哪个字符串中匹配
看下图,还要记住,只要re.match有返回值,那么就是匹配到了,如果没有匹配值就是没有匹配到。
事实上,re.match只是re功能函数中的一个,表示从头匹配,我们用的最多的是re.search()从整个字符串匹配
re.search()只返回第一个匹配到的结果
我们用的比较多的还有re.findall() 以列表的形式 返回所有匹配到的结果
不太理解可以看下面的示例
了解以上的基础,然后下面总结一下正则中常用的匹配规则。
下面使用上面规则由浅入深举一些例子,读者如果是刚接触正则,可以跟着写写对应代码
1.’.’ 匹配除\n外的任意一个字符
我们可以使用 + 表示向后匹配多个字符,后面也会说到
2.[a-z]匹配任意小写字母
3.[0-9]匹配数字 {5}表示匹配前面字符5次 {2,5}表示匹配前面字符 2-5次
4.re.findall() ,上面的re.search()只返回第一次匹配到的结果,我们可以使用re.findall() 以列表形式返回所有匹配到的结果
还有一个注意点,我们用re.match()或re.search()时 都可以用group()方法得到匹配到的值,用re.findall()就没有group()方法了。
5.’|’ , 或 的意思
6.(…) 分组匹配
看下图,不加括号表示 c匹配2次;加了括号表示括号中的 abc 整体匹配2次
7.上面说到[0-9]可以表示数字,\d同样可以表示数字
\D表示匹配非数字
8.\w 匹配 [A-Za-z0-9] 即 所有带字母与数字的
\W匹配非[A-Za-z0-9]的,也就是只匹配非特殊字符
9.‘\s’ 匹配空白字符(换行符,tab键等),\t,\n,\r
以上,是基础匹配规则演示
接下来,看一些其他实用的示例:
1.groupdict()
先看一个简单的,
解释一下:首先使用了 (…) 分组匹配,我们使用**groupdict()**能的到<>中内容对应的一个字典; ?P<>是固定格式
具体有什么用呢?看下图中的例子:
(划线部分是一个身份证号)
2.re.split() 分割
下图就是按照数字分割了后面的字符串
注意,返回的也是列表形式
3.re.sub 替换
第一个字段是要匹配的内容,第二个是替换成什么,第三个是字符串,第四个count是替换几次
返回结果就是替换完成之后的新字符串
4.ip地址
小结:re中我们常用的方法就是 re.search;re.findall;re.split;re.sub
然后熟悉常用匹配规则,灵活运用就好了