Python学习日志——爬虫（三）正则表达式主要函数方法

一、compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法结构：re.compile(pattern[, flags])

import re
pattern = re.compile(r'\d+')     # 用于匹配至少一个数字
m = pattern.match('one12twothree34four')    # 从头开始匹配，没有匹配成功就停止运行
print (m)   #None
m = pattern.match('one12twothree34four', 2, 10) # 从下标为2的位置，即'e'的位置开始匹配，没有匹配成功就停止运行
print(m)   # None
m = pattern.match('one12twothree34four', 3, 10) # 从'1'的位置开始匹配，匹配成功
print (m)    # 返回一个 Match 对象<_sre.SRE_Match object; span=(3, 5), match='12'>
print(m.group(0))   # 可省略 0'12'
print(m.start(0) )  # 可省略 03
print(m.end(0) )    # 可省略 05
print(m.span(0))    # 可省略 0(3, 5)

结果：

None
None
<_sre.SRE_Match object; span=(3, 5), match='12'>
12
3
5
(3, 5)

 当匹配成功时，会返回一个match对象，其中：

group([group1, …]) 方法用于获得一个或多个分组匹配的字符串。当要获得整个匹配的子串时，可直接使用 group()或 group(0)；

start([group]) 方法用于获取分组匹配的子串在整个字符串中的起始位置（子串第一个字符的索引），参数默认值为 0；

end([group]) 方法用于获取分组匹配的子串在整个字符串中的结束位置（子串最后一个字符的索引+1），参数默认值为 0；

span([group]) 方法返回 (start(group), end(group)) ，即子串在整个字符串中的起始位置和结束位置。

 

二、findall方法

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

注：