python爬虫基础——正则表达式的使用

在编写爬虫的过程中往往会使用到正则表达式，python通过导入re模块来使用正则表达式功能，现对常用的方法进行下总结，基础知识可参考：

https://www.runoob.com/python/python-reg-expressions.html

-------------------------------------------------------------------------------------------------------------------------------------

\w      匹配字母数字及下划线
\W      匹配f非字母数字下划线
\s      匹配任意空白字符，等价于[\t\n\r\f]
\S      匹配任意非空字符
\d      匹配任意数字
\D      匹配任意非数字
\A      匹配字符串开始
\Z      匹配字符串结束，如果存在换行，只匹配换行前的结束字符串
\z      匹配字符串结束
\G      匹配最后匹配完成的位置
\n      匹配一个换行符
\t      匹配一个制表符
^       匹配字符串的开头
$       匹配字符串的末尾
.       匹配任意字符，除了换行符，re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[....]  用来表示一组字符，单独列出：[amk]匹配a,m或k
[^...]  不在[]中的字符：[^abc]匹配除了a,b,c之外的字符
*       匹配0个或多个的表达式
+       匹配1个或者多个的表达式
?       匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}     精确匹配n前面的表示
{m,m}   匹配n到m次由前面的正则表达式定义片段，贪婪模式
a|b     匹配a或者b
()      匹配括号内的表达式，也表示一个组

--------------------------------------------------------------------------------------------------------------------------------------

re.match()

尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配的话，match（）就会返回None；

re.search

re.search扫描整个字符串返回第一个成功匹配的结果；

re.findall

搜索字符串，以列表的形式返回全部能匹配的子串；

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串；

re.compile

将正则表达式编译成正则表达式对象，方便复用该正则表达式；

 

其它：

（1）匹配汉字：\u4e00-\u9fa5