正则表达式是虽字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符及这些特定组合,组成一个‘规则字符串’,这个字符串用来表达对字符串的一种过滤逻辑。
在线正则表达式测试:http://tool.oschina.net/regex/#
一.re.match:尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就返回none。
re.match(pattern,string,flags=0)
1.最常规的匹配
2.泛匹配
3.获取匹配目标
4.贪婪匹配
结果:7
5.非贪婪匹配
结果:1234567
6.匹配模式(字符串中有换行的)
7.转义
8.总结:尽量使用泛匹配,使用括号得到匹配目标,尽量使用非贪婪模式,有换行符就用re.S
二.re.search:扫描整个字符串并返回第一个成功的匹配。
总结:为方便匹配,能用search就不用match
匹配演示:
三.re.findall:搜索字符串,以列表形式返回全部能匹配的子串。
提取出所有的歌名:
四.re.sub字符串替换。替换字符串中每一个匹配的子串后返回替换后的字符串。
re.sub 字符串替换,('传入正则表达式','传入要替换成的内容','原字符串')
如果要替换的内容里包括原子符串本身,(在原字符串后面加如新的)
运行结果:
五.结合re.sub和re.findall,首先替换a标签,之后在 提取歌名
方法一:
、
方法二:strip可以去除换行
六.re.compile 将正则字符串编译成正则对象,以便于复用改匹配模式
七.综合实战练习
"""
爬取豆瓣图书:http://book.douban.com/
目标:爬取书的链接,书名,作者,时间
"""
import re
import requests
content = requests.get('http://book.douban.com/').text
# print(content)
pattern = re.compile('<li.*?cover.*?href="(.*?)".*?title="(.*?)"\
.*?.more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>',re.S)
results = re.findall(pattern,content)
print(results)
for result in results:
url,name,author,date = result
author = re.sub('\n')
print(url,name,author,date)