Python爬虫学习：正则表达式-替换模式sub

1. 替换模式sub

s ='< I love programming ！> < you love python ! >'
re.sub(r'< (I.*?)>','Marry love python',s)
# 返回结果： 'Marry love python < you love python ! >'

发现此时< I love programming ！>整个都被替换了，而我们的本意是只替换
“I love programming ！”此时可以借助前向否定断言和后向否定断言。

(?<=)	(?=)
前向肯定断言。例如：(?<=love)python只匹配前边紧跟着“”的“love”的python	后向肯定断言，与前向一样，只是方向相反

re.sub(r'(?<=< )(I.*?)(?=>)','Marry love python',s)
# 返回结果：'< Marry love python> < you love python ! >'
#(?<=< )前向肯定断言限定，不改变‘<’，只是将其作为限定条件。
#(?=>)后向肯定断言，不改变‘>’，只是将其作为限定条件
#(I.*?)替换对象

2. 爬取网页换行符的处理

1. 由于(.)表示匹配除了换行字符外的所有字符，因此对于爬取网页中换行符的需要以下处理。

#使用sub，将c字符串中所有的换行符替换成空格，再使用正则表达式
s = re.sub(r'\n',' ',c)