Python爬虫之路(12.1)--正则表达式常见用法

正则表达式常用场景(以python为例)

1. 匹配邮箱地址：

    import re
    email_pattern = r'^[\w.-]+@[a-zA-Z\d.-]+.[a-zA-Z]{2,}$'
    emails = ['abc@email.com', 'xyz123@email.co.uk', 'invalid-email']
    valid_emails = [email for email in emails if re.match(email_pattern, email)]
    print(valid_emails)  # 输出：['abc@email.com', 'xyz123@email.co.uk']
   

2. 查找文本中的数字：

    import re
    text = "这是一个包含数字123和456的文本"
    numbers = re.findall(r'\d+', text)
    print(numbers)  # 输出：['123', '456']
   

3. 替换文本中的特定模式：

    import re
    text = "Hello, world! This is a test."
    updated_text = re.sub(r'Hello', 'Hi', text)
    print(updated_text)  # 输出：Hi, world! This is a test.
   

4. 提取网页中的链接：

    import re
    html_content = '<a href="https://www.example.com">Example</a> <a href="https://www.test.com">Test</a>'
    links = re.findall(r'href="([^"]+)"', html_content)
    print(links)  # 输出：['https://www.example.com', 'https://www.test.com']
   

5. 提取手机号码（中国大陆手机号）:

 import re
 phone_pattern = r'1[3-9]\d{9}'
 text = "我的手机号是：13912345678，朋友的是18887654321。"
 phones = re.findall(phone_pattern, text)
 print(phones)  # 输出：['13912345678', '18887654321']

6.匹配IP地址：

 import re
 ip_pattern = r'\b(?:[0-9]{1,3}.){3}[0-9]{1,3}\b'
 text = "本机IP地址是：192.168.1.1，服务器IP是：10.0.0.1。"
 ips = re.findall(ip_pattern, text)
 print(ips)  # 输出：['192.168.1.1', '10.0.0.1']

7.提取HTML标签内容（例如 <p>...</p>）：

 import re
 html_pattern = r'<(\w+)[^>]*>(.*?)</\1>'
 html_text = '<p>Hello</p> <div>World</div>'
 tags_content = re.findall(html_pattern, html_text)
 print(tags_content)  # 输出：[('p', 'Hello'), ('div', 'World')]

8.检测特定单词的出现次数：

 import re
 text = "This is a test. This test is important."
 word = "test"
 occurrences = len(re.findall(r'\b' + re.escape(word) + r'\b', text))
 print(f"单词 '{word}' 出现次数：{occurrences}")  # 输出：单词 'test' 出现次数：2

9.验证密码强度（包含大小写字母、数字和特殊字符）：

import re
passwords = ['Pass123!', 'password', 'StrongP@ssword1']
password_pattern = r'^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)(?=.*[@$!%*?&])[A-Za-z\d@$!%*?&]{8,}$'
strong_passwords = [pwd for pwd in passwords if re.match(password_pattern, pwd)]
print(strong_passwords)  # 输出：['StrongP@ssword1']

结语

本文源码： Python爬虫之路 https://github.com/rosyrain/spider-course lesson12中，有对应的python的demo文件。在lesson12当中还有正则表达式理论知识，常用场景、匹配内容。欢迎各位Follow/Star/Fork ( •̀ ω •́ )✧

---

​ 有任何问题欢迎大家的评论和指正。再次声明，本专栏只做技术探讨，严谨商用，恶意攻击等。

这是我的 GitHub 主页：Rosyrain (github.com) https://github.com/rosyrain，里面有一些我学习时候的笔记或者代码。本专栏的文档和源码存到spider-course的仓库下。

欢迎大家Follow/Star/Fork三连。