python re爬虫_Python爬虫基础——re模块的提取、匹配和替换

re是Python的一个第三方库。

为了能更直观的看出re的效果，我们先新建一个HTML网页文件(可直接复制)：

index.html

Title

Email:re@qq.com

手机号:88888888

## OK，然后我们进入主题。

re主要有三个功能：提取、匹配、替换。

1、提取findall：

re.findall(【正则表达式】, 【被提取的字符串】)

注意：返回的类型是列表

我们应如何取出上文index.html中的Email或者手机号呢：

import re

with open('index.html', 'r', encoding='utf-8') as f:

# 读取index.html

html = f.read()

# 把html中的换行符，去掉，也就是替换成空字符串，因为.不能匹配到换行符

html = re.sub('\n', '', html)

print(html)

# 定义正则表达式，注意括号

pattern_1 = '

(.*?)

'

# re.findall(【正则表达式】,【被提取的字符串】)，返回类型是列表

ret_1 = re.findall(pattern_1, html)

# 字符串.strip()，可以去除首位的空格和换行符

print(ret_1[0].strip())

2、匹配match：

re.match(【正则表达式】, 【被匹配的字符串】)

注意：

如果匹配成功，返回对象；

如果匹配不成功，返回None。

我们应如何编写定义密码的正则表达式呢：

import re

# 英文字母开头，可包括应为字母，数字、下划线，总位数6-16位

password_pattern = r'^[a-zA-Z][a-zA-Z0-9_]{5,15}$'

# 定义三个密码

pass1 = '1234567'

pass2 = 'k123456'

pass3 = 'k123'

# 打印测试结果，匹配成功返回re.Match对象，不成功返回None

print(re.match(password_pattern, pass1))

print(re.match(password_pattern, pass2))

print(re.match(password_pattern, pass3))

输出结果为：

3、替换sub：

re.sub(【正则表达式】, 【替换成的字符串】, 【被匹配的字符串】)

觉得没看过sub的同学，那只能说明你看笔记不认真了，示范代码请看上上文~~

为我心爱的女孩~~