爬虫学习——（二）正则表达式

目录

一、常用匹配规则介绍

 二、常用匹配方法

1.match

2.search

3.findall

4.sub

5.compile

三、基础爬虫案例实战

---

一、常用匹配规则介绍

正则表达式常用匹配规则（参考学习网址）：正则表达式 – 语法 | 菜鸟教程

 二、常用匹配方法

1.match

match方法中，第一个参数传入正则表达式，第二个参数是传入要匹配的字符串。

match方法会尝试从字符串的‘起始位置’开始匹配正则表达式，如果匹配，就返回匹配成功的结果；如果不匹配则返回None。实例如下：

import re
content = 'Hello 123 4567 World_This is a Regex Demo'
print(len(content)) #查看字符串的长度
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}',content)
#result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)  #匹配所有字符
print(result)
print(result.group())  #返回匹配结果
print(result.span())   #输出范围

运行结果：

41
<re.Match object; span=(0, 25), match='Hello 123 4567 World_This'>
Hello 123 4567 World_This
(0, 25)

• 匹配目标

要想在一段文字中提取一部分内容，可以使用括号()将想要提取的子字符串括起来。()实际上标记了一个子表达式的开头和结束的位置，被标记的每个子表达式依次对应每个分组，调用group方法传入分组的索引就可以获取提取结果，实例如下：

import re
content = 'Hello 1234567 World_This is a Regex Demo'
result =