3.Python网络爬虫与信息提取-网络爬虫之实战

一、Re（正则表达式）库入门

1.正则表达式的语法

 PY{:3}N代表将Y扩展0次至3次

 二、Re库的基本使用

• 如果用string来表示，在所有的正则表达式中出现\的地方，都要增加额外的\
• 

 Re库主要功能函数：

①re.search

re.search(pattern, text) 在整个字符串 text 中搜索匹配项

 

 ②re.match

re.match(pattern, text) 只在字符串开头进行匹配

给定字符串的起始位置并不是数字，正则表达式匹配结果为空

  ③re.findall()

   ④re.split()

• 用一个正则表达式去匹配字符串，将匹配的部分去掉，去掉之后的部分分别作为分割的字符串元素放到一个列表里
• 设置maxsplit:

    ⑤re.finditer()

•  通过这个函数可以迭代地获得每一次正则表达式匹配的结果，并对这个结果单独进行处理

     ⑥re.sub()

Re库的另一种等价用法：

• 首先使用re.complie将一个正则表达式的字符串编译成一个正则表达式的类型，然后直接用pat调用那6个方法来获得相关结果。这种方法的好处是经过一次编译，当我们需要多次对正则表达式进行使用和匹配时，可以用这种方式来加快整个程序的进行
• re.compile函数：
• 

 三、Re库的match对象

 

•  match.group()的使用：
• 

import re

text = "Hello, 42 is a number."
pattern = r"(\w+), (\d+)"

match = re.search(pattern, text)

if match:
    full_match = match.group(0)  # 获取整个匹配文本
    first_group = match.group(1)  # 获取第一个捕获组的文本
    second_group = match.group(2)  # 获取第二个捕获组的文本

    print("Full Match:", full_match)  # 输出：Hello, 42
    print("First Group:", first_group)  # 输出：Hello
    print("Second Group:", second_group)  # 输出：42

  四、Re库的贪婪匹配和最小匹配

1.贪婪匹配

 2.最小匹配

1. 当有操作符可以匹配不同长度的时候，我们都可以在这个操作符的后面增加一个？来获得最小匹配的结果

五、 总结：