基于MOOC嵩天《Python网络爬虫与信息提取》视频学习记录——第三周：正则表达式

1.正则表达式的语法

正则表达式的常用操作符

正则表达式语法实例

经典正则表达式实例

匹配ip地址的正则表达式

2.re库的基本使用

正则表达式的表示类型

re库主要功能函数

1)re.search( )

import re
match = re.search(r'[1-9]\d{5}','BIT 100081')
if match:
    print(match.group(0))

2)re.match( )

3)re.findall( )

import re
ls = re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')
print(ls)

4)re.split( )

import re
ls1 = re.split(r'[1-9]\d{5}','BIT100081 TSU100084')
print(ls1)
ls2 = re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit = 1)
print(ls2)

5)re.finditer( )

import re
for i in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):
	if i:
		print(i.group(0))

6)re.sub( )

import re
print(re.sub(r'[1-9]\d{5}','zipcode','BIT100081 TSU100084'))

注：在使用sub的替换时，无法替换掉“\n”换行符，需先将“\n”替换为空或者空格，再进行替换

re.compile( )

re库的另一种等价用法

3.re库的match对象

match对象的属性

match对象的常用方法

import re
m = re.search(r'[1-9]\d{5}','BIT100081 TSU100084')
print(m.string)
print(m.re)
print(m.pos)
print(m.endpos)
print(m.group(0))
print(m.start())
print(m.end())
print(m.span())

4.re库的贪婪匹配和最小匹配

Re库默认采用贪婪匹配，即输出匹配最长的子串。

import re
match = re. search(r'PY.*N','PYANBNCNDN')
print(match.group(0))

当我们需要re库的最小匹配时，只需进行如下修改：

import re
match = re. search(r'PY.*?N','PYANBNCNDN')
print(match.group(0))

最小匹配操作符