Python爬虫（5天入门）第二天

三.正则表达式

1.正则表达式

正则表达式是用来匹配字符串的一门表达式语言。
测试在线网站：https://tool.oschina.net/regex/

（1）正则支持普通字符

（2）元字符

用一个符号来匹配一堆内容：

• \d——匹配一个数字（0-9）

• \D——除了数字，全部匹配出来

• \w——匹配一个数字，字母，下划线

• \W——除了数字，字母，下划线全部匹配出来

• 匹配自定义的字符组：[自定义字符]

• [ ^自定义字符]：除了自定义字符都可以匹配

• “.”：除了换行符都可以匹配（空格也可以匹配）

（3）量词

量词：控制前面元字符出现的频次。

• “+”：前面的元字符出现一次或多次。

• “*”：前面的元字符出现0次或多次，具有贪婪机制——尽可能多的匹配到相应结果

例子：并不是数字的也被匹配了

• “?”：前面的元字符出现0次或一次。

2.惰性匹配

• “.*”——贪婪匹配：尽可能匹配到更多的

• “.*?”——惰性匹配：匹配到距离目标字符最近的内容

作用：匹配页面源代码html中的信息

四.python内置re模块

1.re模块

（1）什么是re模块

在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个python自带的模块，名字为re。

正则表达式的大致匹配过程是：
1.依次拿出表达式和文本中的字符比较，
2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
3.如果表达式中有量词或边界，这个过程会稍微有一些不同。

r：在带有 ‘r’ 前缀的字符串字面值中，反斜杠不必做任何特殊处理。 因此 r"\n" 表示包含 ‘’ 和 ‘n’ 两个字符的字符串，而 “\n” 则表示只包含一个换行符的字符串。

（2）常用方法介绍

• re.findall:直接返回所有匹配结果——适用于匹配结果少的

import re
result = re.findall(r"\d+","电话号码：15686900489，ID：20021107")
print(result)

• re.search:返回的是re.Match对象，只匹配的了第一个结果就返回对象

result = re.search(r"\d+","电话号码：15686900489，ID：20021107")
print(result)

#查看匹配对象
print(result.group())

• re.finditer:将匹配