《精通Python网络爬虫》笔记 - 查找和替换函数及提取网址电话邮件实例

书名： 《精通Python网络爬虫》

作者：韦玮

索引：ISBN978-7-111-56208-5

出版社：机械工业出版社

出版时间：2017年3月

第二篇  第5章 正则表达式与Cookie

p61-65

re.match()，从字符串的初始位置开始匹配, 相当于筛选结果：开头是xxx

re.search()，搜索整个字符串查找匹配，相当于筛选结果： 包含有xxx

re.compile()，全局匹配函数，对正则表达式/搜索条件进行预编译，并输出所有的匹配结果，例：

import re

string="hellomypythonhispythonourpythonend"

pattern=re.compile(".python.”） #预编译

result=pattern.findall(string)  #找出符合模式的所有结果

print(result)

执行结果是一个数组： ['ypythonh','spythono','rpythone']

疑问：如果 string="apythonpythons"呢？ 执行结果会返回两个字符串还是一个？

 

re.sub()，替换，格式为re.sub(pattern,rep,string,max)。rep代表用来替换的字符串，max定义最多替换几次。例：

import re

string="hellomypythonhispythonourpythonend"

pattern="python"

result1=re.sub(pattern,"php",string)

result2=re.sub(pattern,"php",string,2)

print(result1)

print(result2)

输出结果：

hellomyphpisphpurphpnd

hellomyphpisphpurpythonend

实例1：提取后缀为.com或.cn的url网址

import re

pattern="[a-zA-Z]+://[^\s]*[.com|.cn]"

string="<a href='http://www.baidu.com'>百度首页</a>"

print[result]

返回结果：

<_sre.SRE_Match object; span=(9,29),match='http://www.baidu.com'>

实例2：匹配电话号码，仅按数字位数筛选

import re

pattern="\d{4}-\d{7}|\d{3}-\d{8}"   # 4位数字+"-"+7位数字或3位数字+"-"+8位数字

string='021-62728263653682265236"

result=re.search(pattren,string)

print(result)

返回结果：<_sre.SRE_Match object; span=(0,12),match='021-62728263'>