python爬虫第二章基础-（正则表达初步学习）

这次是用正则表达式抓取re信息，固定匹配含有特殊意义的符号。

下面是一些基础的元字符和匹配的相关信息

\w	匹配数字字母和下划线
\s	匹配任意换行符
\d	匹配任意数字
\n	匹配换行符
\t	匹配制表符
\W	匹配非数字字母和下划线
\D	匹配非数字

import re
#findall 匹配字符串所有的符合正则的内容
lst = re.findall(r"\d+",'我的电话是：10086，我同学号码是:10010')
print(lst)  #['10086', '10010']

#finditer ：匹配字符串所有内容【返回的是迭代器】
it = re.finditer(r'\d+','我的电话是：10086，我同学号码是:10010')
for i in it:
    print(i.group())  #从迭代器中拿数值的函数group  #10086
#search 找到一个结果就返回，返回的是match对象，拿数据得用group（）    
s = re.search(r'\d+','我的电话是：10086，我同学号码是:10010')
print(s.group())   #10010
#match 从头开始匹配，
m = re.match(r'\d+','我的电话是：10086，我同学号码是:10010')
#print(m.group())  #10086

#预加载正则，
obj = re.compile(r'\d+')

ret = obj.finditer('我的电话是：10086，我同学电话是：10010')

for it in ret:
    print(it.group())
ret = obj.findall('呵呵哒，我就不信你不换我100000000000')
print(ret)  #['100000000000']

剩下的量词是需要重点了解的，也不多

量词：* 重复零次或者很多次   .*  贪婪匹配      .*?惰性匹配

贪婪匹配顾名思义：筛选整个需要筛选的信息，匹配到最后一次出现关键信息的位置事例

obj = re.compile('.*游戏')
test = "你昨天玩的什么游戏，我也想来玩游戏，可是大部分的游戏我都不会。"
print(obj.finditer(test))

#你昨天玩的什么游戏，我也想来玩游戏，可是大部分的

惰性匹配也叫非贪婪匹配，在于先完全遍历整个信息，然后回溯到最先发现的地方进行匹配。

obj = re.compile('.*游戏')
test = "你昨天玩的什么游戏，我也想来玩游戏，可是大部分的游戏我都不会。"
print(obj.finditer(test))

#你昨天玩的什么游戏

就是正则表达式的一些基本内容。

s = '''
<div class='fa'><span id='1'>贝多芬</span></div>
<div class='fsg'><span id='2'>都是</span></div>
<div class='dgd'><span id='3'>好的好地方</span></div>
<div class='sgh'><span id='4'>告诉各位</span></div>
<div class='nvx'><span id='5'>发光</span></div>

'''
obj = re.compile(r"<div class='(?P<id>.*?)'><span id='\d+'>(?P<asa>.*?)</span></div>",re.S)  #re.S 让.能匹配换行符
result = obj.finditer(s)
for i in result:
    print(i.group('asa'))
    print(i.group('id'))

'''贝多芬
fa
都是
fsg
好的好地方
dgd
告诉各位
sgh
发光
nvx'''

这是正则表达式的使用发放，在一段你想要寻找的内容中找到限定的地方， 然后选取用(?P<标记字符>.*?)来标记，紧接着在下面需要输出的时候用i.group(’限制字符‘)输出即可。