python网络爬虫和信息提取——第三篇——正则表达式库

正则表达式

regular exception      regex     RE
是用来简介表达一组字符串的表达式。

正则表达式常用操作符

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示 a,b,c [a-z]表示a到z的单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示 ab,abc,abcc,abccc 等
+	前一个字符1次或无限次扩展	abc+ 表示 abc,abcc,abccc等
?	前一个字符0次或1次扩展	abc? 表示 ab,abc
|	左右表达式任意一个	abc|def 表示 abc,def
{m}	扩展前一个字符m次	ab{2}c表示 abbc
{m,n}	扩展前 一个字符m至n次(含n次)	ab{1,2}c表示 abc,abbc
/i	忽略大小写
/g	全文查找出现的所有匹配字符
/m	多行查找
/gi或/ig	全文查找、忽略大小写
^	匹配字符串开头	^abc表示 abc且在一个字符串开头
$	匹配字符串结尾	abc$表示 abc且在一个字符串结尾
( )	分组标记，内部只能使用|操作符	(abc)表示abc (abc|def)表示 abc,def
\d	数字，等价于|0-9|
\w	单词字符，等价于|A-Za-z0-9_|

RE库的主要功能

详情

	re.search(pattern,string,flags=0)
	在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
	pattern：正则表达式的字符串或原生字符串表示
	string：待匹配字符串
	flags：正则表达式使用时的控制标记

re.match(pattern,string,flags=0)
re.findall(pattern,string,flags=0)
re.finditer(pattern,string,flags=0)
re.split(pattern,string,maxsplit=0,flags=0)
	maxsplit：最大分割数，剩余部分作为最一个元素输出
re.sub(pattern,repl,string,count=0,flags=0)
	repl:替换匹配字符串的字符串
	count：匹配的最大替换次数

Re库的另一种等价用法

函数式用法：一次性操作

rst=re.seartch(r'[1-9]\d{5}','BIT100081 TSU100084')

面向对象用法：编译后的多次操作

pat=re.compile(r'[1-9]\d{5}')
rst=pat.seartch('BIT100081')

将正则表达式的字符串形式编译成正则表达式对象
regex=re.compile(pattern,flags=0)
regex叫正则表达式

Re库的Match对象

Match对象的方法

Re库的贪婪匹配与最小匹配

默认贪婪匹配
最小匹配操作符