爬虫学习(10):python正则表达式大全

18 篇文章 270 订阅

前言

本篇内容,我是在基础专栏讲过的,为什么在这个专栏拿出来?说明我们爬虫要用到正则。如果你看不懂本专栏的内容,你需要看我基础专栏好好学一下:python全栈基础专栏
正则表达式的作用是什么?我们网页抓取到的内容很多,我们不可能全部都获取,只需要其中的一部分内容,因此我们需要使用正则来匹配我们想要的内容。

正则表达式模块

Python 有一个名为 的内置包re,可用于处理正则表达式。导入re模块:

import re

Python中的正则表达式

导入re模块后,您可以开始使用正则表达式。
例如:搜索字符串以查看它是否以“The”开头并以“Spain”结尾:

import re

txt = "The rain in Spain"
x = re.search("^The.*Spain$", txt)

if x:
  print("匹配成功!")
else:
  print("匹配失败")

运行:
在这里插入图片描述
当然,你现在看不懂这个例子,既然手把手教学,并不会教大家一步登天。

正则表达式函数

findall() 函数

该findall()函数返回一个包含所有匹配项的列表。
例如:打印所有匹配项的列表

import re

txt = "川川菜鸟啊菜鸟啊"
x = re.findall("菜鸟", txt)
print(x)

运行返回:
在这里插入图片描述
该列表按找到的顺序包含匹配项。如果未找到匹配项,则返回一个空列表:

import re

txt = "菜鸟并不菜"


x = re.findall("川川", txt)
print(x)

if (x):
  print("匹配成功了哟")
else:
  print("找不到这个呀!")

运行返回:
在这里插入图片描述

search() 函数

该search()函数在字符串中搜索匹配项,如果有匹配项,则返回一个Match 对象。如果有多个匹配项,则只返回匹配项的第一次出现。
例如:搜索字符串中的第一个空白字符:

import re

txt = "菜鸟 呢"
x = re.search("\s", txt)

print("第一个空格字符位于位置:", x.start()) 

运行结果:
在这里插入图片描述
如果未找到匹配项,None则返回该值:

import re

txt = "天上飞的是菜鸟"
x = re.search("川川", txt)
print(x)

返回:
在这里插入图片描述

split() 函数

该split()函数返回一个列表,其中的字符串在每次匹配时被拆分。
例如:在每个空白字符处拆分

import re

txt = "菜鸟 学 python"
x = re.split("\s", txt)
print(x)

运行返回:
在这里插入图片描述
您可以通过指定maxsplit 参数来控制出现次数
例如:仅在第一次出现时拆分字符串:

import re

#Split the string at the first white-space character:

txt = "飞起来 菜鸟 们"
x = re.split("\s", txt, 1)
print(x)

返回:
在这里插入图片描述

sub() 函数

该sub()函数用您选择的文本替换匹配项。
例如:用只替换就

import re

txt = "学python就找川川菜鸟"
x = re.sub("就", "只", txt)
print(x)

运行:
在这里插入图片描述
您可以通过指定count 参数来控制替换次数 :
例如替换前 2 次出现:

import re

txt = "学python就就就川川菜鸟"
x = re.sub("就", "只", txt,2)
print(x)

返回:
在这里插入图片描述

元字符

列表符号

[] 用于一组字符
例如:#按字母顺序查找“a”和“m”之间的所有小写字符

import re

txt = "apple chuanchuan "

#按字母顺序查找“a”和“m”之间的所有小写字符

x = re.findall("[a-m]", txt)
print(x)

运行:
在这里插入图片描述

转义符

** 表示特殊序列(也可用于转义特殊字符)
例如匹配所有数字:

import re

txt = "我今年20岁了"

#查找所有数字字符

x = re.findall("\d", txt)
print(x)

运行返回:
在这里插入图片描述

任意符号

. 可以任何字符(换行符除外)。
例如:搜索以“he”开头、后跟两个(任意)字符和一个“o”的序列

import re

txt = "hello world"

#搜索以“he”开头、后跟两个(任意)字符和一个“o”的序列

x = re.findall("he..o", txt)
print(x)

运行返回:
在这里插入图片描述

开始符

^符号用于匹配开始。

import re

txt = "川川菜鸟 飞起来了"


x = re.findall("^川", txt)
if x:
  print("哇,我匹配到了")
else:
  print("哎呀,匹配不了啊")

运行:
在这里插入图片描述

结束符

$ 符号用于匹配结尾,例如:匹配字符串是否以“world”结尾

import re

txt = "hello world"

#匹配字符串是否以“world”结尾

x = re.findall("world$", txt)
if x:
  print("匹配成功了耶")
else:
  print("匹配不到哦")

运行:
在这里插入图片描述

星号符

  • 星号符用于匹配零次或者多次出现。
import re

txt = "天上飞的是菜鸟,学python找川川菜鸟!"

#检查字符串是否包含“ai”后跟 0 个或多个“x”字符:

x = re.findall("菜鸟*", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("气死了,匹配不到啊")

运行:
在这里插入图片描述

加号符

+ 用于匹配一次或者多次出现
例如:检查字符串是否包含“菜鸟”后跟 1 个或多个“菜鸟”字符:

import re

txt = "飞起来了,菜鸟们!"

#检查字符串是否包含“菜鸟”后跟 1 个或多个“菜鸟”字符:

x = re.findall("菜鸟+", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("烦死了,匹配不到")

运行:
在这里插入图片描述

集合符号

{} 恰好指定的出现次数
例如:检查字符串是否包含“川”两个

import re

txt = "川川菜鸟并不菜!"

#检查字符串是否包含“川”两个

x = re.findall("川{2}", txt)

print(x)

if x:
  print("匹配到了两次的川")
else:
  print("匹配不到啊,帅哥")

返回:
在这里插入图片描述

或符

| 匹配两者任一
例如:匹配字符串菜鸟或者是我了

import re

txt = "菜鸟们学会python了吗?串串也是菜鸟啊!"



x = re.findall("菜鸟|是我了", txt)

print(x)

if x:
  print("匹配到了哦!")
else:
  print("匹配失败")

运行:
在这里插入图片描述

特殊序列

指定字符

\A : 如果指定的字符位于字符串的开头,则返回匹配项。
例如:匹配以菜字符开头的字符

import re

txt = "菜鸟在这里"


x = re.findall("\A菜", txt)

print(x)

if x:
  print("是的匹配到了")
else:
  print("匹配不到")

运行:
在这里插入图片描述

指定开头结尾

\b 返回指定字符位于单词开头或结尾的匹配项 (开头的“r”确保字符串被视为原始字符串)。
例如:匹配爱开头

import re

txt = "爱你,川川"

x = re.findall(r"\b爱", txt)

print(x)

if x:
  print("匹配到了")
else:
  print("匹配不到")

运行:
在这里插入图片描述
又例如:匹配川结尾

import re

txt = "爱你,川川"

x = re.findall(r"川\b", txt)

print(x)

if x:
  print("匹配到了")
else:
  print("匹配不到")

运行:
在这里插入图片描述

匹配中间字符

\B 返回存在指定字符但不在单词开头(或结尾)的匹配项 (开头的“r”确保字符串被视为“原始字符串”)
比如我匹配菜鸟:

import re

txt = "我是菜鸟我是菜鸟啊"

#检查是否存在“ain”,但不是在单词的开头:

x = re.findall(r"\菜鸟", txt)

print(x)

if x:
  print("匹配到了嘛!!")
else:
  print("匹配不到哇!")

运行:
在这里插入图片描述
但是你匹配结尾就会返回空,比如我匹配鸟:

import re

txt = "川川菜鸟"

#检查是否存在“鸟”,但不是在单词的末尾:

x = re.findall(r"鸟\B", txt)

print(x)

if x:
  print("匹配到了哦")
else:
  print("找不到")

运行:
在这里插入图片描述

匹配数字

\d 返回字符串包含数字(0-9 之间的数字)的匹配项。
例如:

import re

txt = "我今年20岁了啊"

#检查字符串是否包含任何位数(0-9的数字)

x = re.findall("\d", txt)

print(x)

if x:
  print("哇哇哇,匹配到数字了")
else:
  print("找不到哦")

运行:
在这里插入图片描述

匹配非数字

\D 返回字符串不包含数字的匹配项
例如:

import re

txt = "我今年20岁"

#匹配任何非数字符号

x = re.findall("\D", txt)

print(x)

if x:
  print("匹配到了,开心!")
else:
  print("匹配不到,生气")

运行:
在这里插入图片描述

空格匹配

\s 返回一个匹配字符串包含空白空间字符的匹配项。
例如:

import re

txt = "我 是 川 川 菜 鸟"

#匹配任何空格字符

x = re.findall("\s", txt)

print(x)

if x:
  print("匹配到了")
else:
  print("匹配不到啊")

运行:
在这里插入图片描述

匹配非空格

\S 返回字符串不包含空格字符的匹配项

import re

txt = "菜鸟是  我  了"

#匹配任意非空字符

x = re.findall("\S", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("匹配不到啊")

运行:
在这里插入图片描述

匹配任意数字和字母

返回一个匹配,其中字符串包含任何单词字符(从 a 到 Z 的字符,从 0 到 9 的数字,以及下划线 _ 字符)
例如:

import re

txt = "菜鸟啊 是串串呀"

#在每个单词字符(从a到z的字符,0-9的数字)返回匹配项,以及下划线_字符):
x = re.findall("\w", txt)

print(x)

if x:
  print("匹配到了啊")
else:
  print("匹配不到哇")

运行:
在这里插入图片描述

匹配任意非数字和字母

返回字符串不包含任何单词字符的匹配项,在每个非单词字符中返回匹配(不在A和Z之间的字符。“!”,“?”空白位等)
例如:

import re

txt = "菜鸟 是 我嘛?我不信!!"

#在每个非单词字符中返回匹配(不在A和Z之间的字符。“!”,“?”空白位等):

x = re.findall("\W", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("匹配不到啊")

运行:
在这里插入图片描述

匹配结尾

\Z 如果指定的字符位于字符串的末尾,则返回匹配项。
例如:

import re

txt = "川川是菜鸟啊"


x = re.findall("啊\Z", txt)

print(x)

if x:
  print("匹配到了哦!")
else:
  print("匹配不到")

集合套装

指定符范围匹配

例如集合:[arn]

import re

txt = "The rain in Spain"


x = re.findall("[arn]", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("匹配不到")

匹配任意范围内小写字母

返回任何小写字符的匹配项,按字母顺序在 a 和 n 之间。
例如:

import re

txt = "hello wo r l d"

x = re.findall("[a-n]", txt)

print(x)

if x:
  print("匹配到了!")
else:
  print("匹配不到")

运行:
在这里插入图片描述
同样的道理,依次其它情况如下:

[^arn] 返回除 a、r 和 n 之外的任何字符的匹配项

[0123] 返回存在任何指定数字(0、1、2 或 3)的匹配项

[0-9] 返回 0 到 9 之间任意数字的匹配项

[0-5][0-9] 返回 00 到 59 中任意两位数的匹配项

[a-zA-Z] 按字母顺序返回 a 和 z 之间的任何字符的匹配,小写或大写

[+] 在集合中,+, *, ., |, (), $,{} 没有特殊含义,所以 [+] 的意思是:返回字符串中任意 + 字符的匹配项。这个我i举个例子:

import re

txt = "5+6=11"

#检查字符串是否有任何 + 字符:

x = re.findall("[+]", txt)

print(x)

if x:
  print("匹配到了")
else:
  print("匹配不到")

运行:
在这里插入图片描述

匹配对象

匹配对象是包含有关搜索和结果的信息的对象。注意:如果没有匹配,None将返回值,而不是匹配对象。
直接举个例子:
执行将返回匹配对象的搜索

import re

#search() 函数返回一个 Match 对象:

txt = "hello world"
x = re.search("wo", txt)
print(x)

运行:
在这里插入图片描述

Match 对象具有用于检索有关搜索和结果的信息的属性和方法:

span()返回一个包含匹配开始和结束位置的元组。
string返回传递给函数的字符串
group()返回字符串中匹配的部分

span函数

例如:打印第一个匹配项的位置(开始和结束位置)。正则表达式查找任何以大写“S”开头的单词:

import re

#搜索单词开头的大写“S”字符,并打印其位置

txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.span())

运行:
在这里插入图片描述

string函数

例如:打印传递给函数的字符串

import re

#返回字符串

txt = "The rain in Spain"
x = re.search(r"\bS\w+", txt)
print(x.string)

group函数

例如:打印字符串中匹配的部分。正则表达式查找任何以大写“S”开头的单词

import re

#搜索单词开头的大写“w”字符,并打印该单词:

txt = "hello world"
x = re.search(r"\bw\w+", txt)
print(x.group())

运行:
在这里插入图片描述
注意:如果没有匹配,None将返回值,而不是匹配对象。

评论 9 您还未登录,请先 登录 后发表或查看评论
©️2022 CSDN 皮肤主题:成长之路 设计师:Amelia_0503 返回首页

打赏作者

川川菜鸟

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值