爬虫过程中要用re正则表达式来进行聚焦爬虫,这是必不可少的一课,那re表达式什么?该怎么写呐?
re模块
首先先看看re模块有哪些内容吧!
import re
#从头开始匹配,参数分别是公式和要匹配的字符串,flags就是标识符
re.match(pattern, string, flags=0)
##全局搜索,找到就返回,找一个,再.groud()返回数值
re.search(pattern, string, flags=0)
#分离,按照要求分开字符串
re.split(pattern, string, maxsplit=0, flags=0)
#把所有匹配到的字符放到以列表中的元素返回
re.findall(pattern, string, flags=0)
#匹配字符并替换
re.sub(pattern, repl, string, count=0, flags=0)
#全部匹配,完全一样
re.fullmatch(pattern, string, flags=0)
表达式规则
之后我们就开始了解常用表达式规则吧
'''
'.' 默认匹配除\n之外的任意一个字符,若指定flag DOTALL,则匹配任意字符,包括换行
'^' 匹配字符开头,若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$' 匹配字符结尾, 若指定flags MULTILINE ,re.search('foo.$','foo1\nfoo2\n',re.MULTILINE).group() 会匹配到foo1
'*' 匹配*号前的字符0次或多次, re.search('a*','aaaabac') 结果'aaaa'
'+' 匹配前一个字符1次或多次,re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?' 匹配前一个字符1次或0次 ,re.search('b?','alex').group() 匹配b 0次
'{m}' 匹配前一个字符m次 ,re.search('b{3}','alexbbbs').group() 匹配到'bbb'
'{n,m}' 匹配前一个字符n到m次,re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|' 匹配|左或|右的字符,re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配, re.search("(abc){2}a(123|45)", "abcabca456c").group() 结果为'abcabca45'
'\A' 只从字符开头匹配,re.search("\Aabc","alexabc") 是匹配不到的,相当于re.match('abc',"alexabc") 或^
'\Z' 匹配字符结尾,同$
'\d' 匹配数字0-9
'\D' 匹配非数字
'\w' 匹配[A-Za-z0-9]
'\W' 匹配非[A-Za-z0-9]
's' 匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'(?P...)' 分组匹配 re.search("(?P[0-9]{4})(?P[0-9]{2})(?P[0-9]{4}
'''
看不懂没关系,咱们来一个一个演示
咱们依次来看
表达式示例
re.search('..', 12346565).group()
re.search('^s', 'sdasda').group()#匹配开头
re.search('.cd$'