java正则表达式爬虫_爬虫之道-正则表达式1

应该明确的是，在python爬虫中，正则表达式应该是分为两部分：

re模块中各个方法的运用

正则表达式语法

re模块是python中特有的模块，需要练习运用；而正则表达式语法，就是pattern语句，是各种语言适用的，如Java等！

re模块方法运用

方法一

步骤：

1、 导入re模块：

import re

2、 形成模型pattern

pattern = re.compile(r' ')

r' '中字符串是正则表达式

3、 进行字符串匹配

match = re.match(pattern, str0, flag=0)

or match = pattern.match(str0)

str0是要进行匹配的字符串，match是re模块中的方法，还有search、findall等方法

4、将匹配得到的对象变换成字符串

target = match.group()

方法二

步骤：

1、match = re.match(re' ', str0, flag=0)

re' '中的空格代表的是字符串，和上面一种方法中r‘ ’代表一样的意义！

2、target= match.group()

target是匹配得到的对象变换成的字符串

可以发现的是，第二种方法和第一种的区别就是pattern，第一种pattern经过re模块的compile方法，可以持续性使用；而第二种就是属于“临时性的”！

总的来说，re模块的使用流程就是：

首先，导入re模块

其次，re模块compile方法编译正则表达式，得到pattern

再次，re模块match、search、findall等方法调用pattern和待匹配的字符串进行匹配，得到匹配成功的对象，或者匹配不成功的NoneType

最后，将匹配成功得到的对象，直接 用group方法转换成字符串(具体是什么方法得视匹配得到对象的类型而进行相应的变换)

注意：在像match、search、findall等方法调用的时候，这个主动调用的对象即可是re模块，也可是pattern对象！

编外言：匹配时要用到的方法，如match、search、findall等，可以在网上自行寻找！重点说下，search方法就是在待匹配的整个字符串中(不是从头开始什么的)，寻找可以和pattern匹配成功的第一个字符串对象

附言：pattern中 r‘ ’正则字符串不总是要用r，但是r的含义要明确：不转义逗号间的字符串