Python正则表达式

正则表达式基础

普通字符包含大小写字母、所有数字、所有标点符号及一些其他符号

普通字符	含义
\W	匹配非数字、字母、下划线、汉字
\W	匹配数字、字母、下划线、汉字
\S	匹配任意非空白字符
\s	匹配空白字符
\D	匹配非数字
\d	匹配数字

元字符在正则表达式中具有特殊含义的专用字符

元字符	含义
.	匹配任意字符（除换行符\r、\n）
^	匹配字符串的开始位置
$	匹配字符串的结束位置
*	匹配前一个字符的任意次数（包括0次）
?	匹配该字符的前一个字符0次或1次
\	转义字符，其后的一个元字符失去特殊含义，匹配元字符本身 ;在字符串前加r也可以r’str’
()	()中的表达式称为一个组，组匹配到的字符都能被取出
[]	匹配范围内任意字符
|	将匹配条件进行逻辑或运算

用正则表达式提取数据

1.findall()

findall()函数能提取满足正则表达式的所有字符串

import re
str11='123qwer'
print(re.findall('(\w+)q(\w+)',str11))

爬虫中使用

import requests
import re
url='https://www.cnblogs.com'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36 Edg/97.0.1072.62'}  
response=requests.get(url=url,headers=headers).text
ex = '<a class="post-item-title".*?target="_blank">(.*?)</a>'
print(re.findall(ex,response,re.S))

2.search 函数（）

search只会匹配第一个满足正则表达式的，匹配后用group函数取值

import re
str1='123Qwe!_@#你我他'
ret=re.search('\w',str1)
print(ret.group())

3.match函数（）

match函数与Search类似，但是是从开头匹配，如果开头不满足，后面满足的也不会被匹配到

4.finditer函数（）

finditer与findall功能差不多，区别是findall返回的是一个列表，finditer返回的是一个迭代器，需要利用循环来取值

import re 
str1='123Qwe!_@#你我他'
ret=re.finditer('\w', str1)
for i in ret:
    print(i.group(),end='')