[笔记]python爬虫：正则表达式库re

1.正则表达式的语法：

正则表达式的常用操作符：

常用操作符	含义
.	表示单个字符
[]	字符集，[a-z]表示a到z之间的字符
[^]	非字符集，对单个字符给出排除范围
*	前一个字符出现0次或者无限次扩展
+	前一个字符出现1次或者无限次扩展
?	前一个字符出现0次或者1次扩展
|	左右表达式的任意一个
{m}	扩展前一个字符m次
{m,n}	扩展前一个字符m到n次（含n次）
^	匹配字符串的开头
$	匹配字符串的结尾
()	分组标记，内部只能用
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-z a-z 0-9]

2.re库的基本使用：

re.search(pattern, string, flags=0)
作用：在字符串中搜索匹配正则表达式第一个位置

参数	含义
pattern	正则表达死字符串或者原生字符串表示
string	待匹配字符串
flags	正则表达式使用时的控制标记

范例：

match=re.search(r'[1-9]\d{4}', 'BIT 10081')
if match:
    print(match.group(0))

re.match(pattern, string, flags=0)
作用： #在字符串中的开始位置起匹配正则表达式
范例：

match1=re.match(r'[1-9]\d{4}', '10081 BIT')
match2=re.match(r'[1-9]\d{4}', 'BIT 10081')
if mathc1:
    print(match1.group(0))
if match2:
    print(match2.group(0))

re.findall(pattern, string, flags=0)
作用：搜索字符串，以列表类型返回全部匹配字符串
范例：

ls=re.findall(r'[1-9]\d{4}', 'BIT10081 TS10084')
print(ls)

re.split(pattern, string, maxsplit=0, flags=0)
作用：将一个字符串安正则表达式匹配结果分割
范例：

re.split(r'[1-9]\d{4}', 'BIT10081 TSU10084')
re.split(r'[1-9]\d{4}', 'BIT10081 TSU10084', maxsplit=1)

re.finditer(pattern, string, flags=0)
作用：搜索字符串，返回一个匹配结果的迭代类型
范例：

for m in re.finditer(r'[1-9]\d{4}', 'BIT10081 TSU10084'):
    if m:
        print(m.group(0))

re.sub(pattern, repl, string, count=0, flags=0)
作用：在一个字符串中替换所有匹配正则表达式的子串

参数	含义
repl	替换匹配字符串的字符串
count	匹配的最大替换次数
flags	正则表达式使用时的控制标记

范例：

re.sub(r'[1-9]\d{4}', ':zipcode', 'BIT10081 TSU10084')

3.re库的一种等价用法

print('表达式1：')
rst=re.search(r'[1-9]\d{4}', 'BIT10081')

print('等价表达式2:')
pat=re.compile(r'[1-9]\d{4}')
rst=pat.search('BIT10081')

4.re库的match对象

match对象的属性：

属性	含义
.string	待匹配的文本
.re	正则表达式
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

match对象的方法：

方法	含义
.group(0)	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回（.start(), .end()）

5.re库的贪婪匹配和最小匹配

print('re库默认贪婪匹配，输出最长匹配字符串：')
match=re.search(r'py.*n', 'pyanbncndn')
match.group(0)

最小匹配：

操作符	含义
*?	前一个字符出现0次或者无限次扩展
+?	前一个字符出现1次或者无限次扩展
??	前一个字符出现0次或者1次扩展
{m,n}	扩展前一个字符m到n次（含n次）

print('最小匹配字符串：')
match=re.search(r'py.*?n', 'pyanbncndn')
match.group(0)

---

该问参考中国大学MOOC课程 《python网络爬虫与信息提取》