Re笔记

1.正则表达式的常用操作符

2.正则表达式语法实例

3.匹配中文字符

• 注：匹配中文字符：[\u4e00-\u9fa5]
  

4.flags ->re.I, re.M, re.S 的区别

• re.I : 忽略正则表达式的大小写，[A-Z]能够匹配小写字符

• re.M: 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始

• re.S: 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符

  ① rem = re.compile('<a.*?>.*?</a>',re.M|re.I|re.S)
     mm = re.findall(rem,div_listbox_str)
  ②  mm = re.findall(r'<a.*?>.*?</a>',div_listbox_str)
  

5.re.match匹配首个满足匹配的字符串：

6.re.findall匹配所有满足正则表达式的句子

• 且常用for in 来遍历访问
  

7.实现最小匹配

• Re库默认采用贪婪匹配，即匹配最长的字符串
  
  

8.标签的过滤：

• 注意：<span .* ? > . * ? < /span> 取的是包括标签在内的句子，而<span .* ? > (. * ?) < /span>取的是(过滤标签后)标签内部的元素
  

9.定位某div标签：

• 如爬取某新闻网站，其中的核心内容<! --新闻速递–>
  

10.获取中的URL

res_url = r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')"
link = re.findall(res_url,div_listbox_str,re.I|re.S|re.M)