python爬虫学习之re正则表达式

正则表达式包re

 regular expression = regex = re 正则表达式是通用的字符串表达框架，是判断字符串的特征所属的方法，这种方法几乎在所有的计算机相关领域都有所涉及。那么，爬虫这一对数据的提取的技术也不例外。学好正则表达式是所有计算机人的基本功。
 正则表达式的编译：将符合正则表达式语法的字符串转换成正则表达式特征。
 正则表达式的常用操作符：
 1. .表示任何单个字符
 2. []字符集，对单个字符给出取值范围
 3. [^]非字符集，对单个字符给出排除范围
 4. *一个字符0次或无限次扩展(0次扩展就是没有）
 5. +前一个字符1次或无限次扩展
 6. ？前一个字符0次或1次扩展
 7. |左右表达式任意一个如abc|def表示abc或者def
 8. {m}扩展前一个字符m次
 9. {m, n}扩展前一个字符m次至n次（含n）
 10. ^匹配字符串开头，如^abc表示abc且在一个字符串的开头
 11. $匹配字符串的结尾
 12. ()分组标记，内部只能使用|操作符，如（abc）表示abc,（abc|def）表示abc或def
 13. \d数字，等价于[0-9]
 14. \w单词字符，等价于[A-Za-z0-9_]

re库的基本使用

 re库的应用语句如下

import re

 re库使用raw string类型表示正则表达式，表示为r’text’
 raw string是不包含转义符的字符串
 也可以用string，不过太繁琐

re库的主要功能函数：

 1. re.search()在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
 2. re.match()从一个字符串的开始的位置匹配正则表达式，返回match对象
 3. re.findall()搜索字符串，以列表类型返回全部能匹配的子串
 4. re.split()将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
 5. re.finditer()搜索字符串，返回一个匹配结果的迭代类型，每个迭代类型元素是match对象