第十五章Python网络爬虫
一、正则表达式:是字符串处理的有力工具,比字符串自身提供的方法提供了更强大的处理功能。
二、正则表达式由元字符及其不同组合来构成,通过巧妙地构造正则表达式可以匹配任意字符串,并完成查找、替换、分隔等复杂的字符串处理任务。
三、元字符:
四、re模块
1.re.match函数: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。
2.匹配成功re.match方法返回一个匹配的对象,使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。
3.re.search方法:re.search 扫描整个字符串并返回第一个成功的匹配
4.re.match与re.search的区别:
(1)re.match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None
(2)re.search匹配整个字符串,直到找到一个匹配。
5.compile 函数:compile 函数用于编译正则表达式,生成一个正则表达式( Pattern )对象,供 match() 和 search() 这两个函数使用。
6.findall:在字符串中找到正则表达式所匹配的所有子串,并返回一个列表,如果没有找到匹配的,则返回空列表。
注意: match 和 search 是匹配一次 findall 匹配所有。
7.re.finditer:在字符串中找到正则表达式所匹配的所有子串,并把它们作为一个迭代器返回
8.re.split:split 方法按照能够匹配的子串将字符串分割后返回列表
9.re.sub:sub(pattern, repl, string, count=0, flags=0)替换函数,将正则表达式 pattern 匹配到的字符串替换为 repl 指定的字符串, 参数 count 用于指定最大替换次数
10.贪婪 vs 不贪婪:当重复一个正则表达式时,如用 a*,操作结果是尽可能多地匹配模式, .* 的本质是“贪婪”的。
10-24
233