《Python网络爬虫与信息提取》第三周网络爬虫之实战学习笔记（一）Re（正则表达式）库入门

最新推荐文章于 2021-08-04 12:35:54 发布

wyatt007

最新推荐文章于 2021-08-04 12:35:54 发布

阅读量652

点赞数 1

分类专栏： Python网络爬虫

本文链接：https://blog.csdn.net/wyatt007/article/details/105426750

版权

本文是《Python网络爬虫与信息提取》第三周的学习笔记，重点介绍了Re库和正则表达式的基础知识。内容包括正则表达式的概念、语法、Re库的主要函数如`search`、`match`、`findall`、`split`、`sub`等的使用，以及Match对象和贪婪匹配与最小匹配的概念。

摘要由CSDN通过智能技术生成

（4）re.search(pattern, string, flags=0)

（5）re.match(pattern, string, flags=0)

（6）re.findall(pattern, string, flags=0)

（7）re.split(pattern, string, maxsplit=0, flags=0)

（8）re.finditer(pattern, string, flags=0)

（9）re.sub(pattern, repl, string, count=0, flags=0)

（10）Re库的另一种等价用法

（11）regex = re.compile(pattern, flags=0)

一、Re（正则表达式）库入门

1、正则表达式的概念

（1）正则表达式的定义

详解提取页面关键信息。

（2）正则表达式的概念

正则表达式（regular expression、regex、RE），正则表达式是用来简洁表达一组字符串的表达式。

（3）正则表达式的举例

①比如：

'PN'
'PYN'
'PYTN'
'PYTHN'
'PYTHON'

正则表达式：P(Y|YT|YTH|YTHO)?N。

②比如：

'PY'
'PYY'
'PYYY'
'PYYYY'
......
'PYYYY......'

正则表达式：PY+。

③比如：

'PY'开头
后续存在不多于10个字符
后续字符不能是'P'或'Y'
'PYABC'√
'PYKXYZ'×

正则表达式：(PY[^PY]{0,10})$。

备注：原来是PY[^PY]{0,10}，有误；故更改为(PY[^PY]{0,10})$。

（4）正则表达式的特点

①通用的字符串表达框架。

②简洁表达一组字符串的表达式。

③针对字符串表达“简洁”和“特征”思想的工具。

④判断某字符串的特征归属。

（5）正则表达式在文本处理中十分常用

①表达文本类型的特征（病毒、入侵等）。

②同时查找或替换一组字符串。

③匹配字符串的全部或部分。

正则表达式主要应用在字符串匹配中。

（6）正则表达式的使用

编译：将符合正则表达式语法的字符串转换成正则式表达特征。

比如：

'PN'
'PYN'
'PYTN'
'PYTHN'
'PYTHON'

正则表达式：

P(Y|YT|YTH|YTHO)?N
regex = 'P(Y|YT|YTH|YTHO)?N'
编译
p = re.compile(regex)
特征

2、正则表达式的语法

（1）正则表达式的语法的定义

正则表达式语法由字符和操作符构成。

P(Y|YT|YTH|YTHO)?N

（2）正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[az]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示 abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc？表示 ab、abc
\|	左右表达式任意一个	abc\|def 表示 abc、def
{m}	扩展前一个字符m次	ab{2}c 表示 abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c 表示 abc、abbc
^	匹配字符串开头	^abc 表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$ 表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用 \| 操作符	(abc) 表示abc，(abc\|def) 表示 abc、def
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9_]

（3）正则表达式语法实例

正则表达式	对应字符串
P(Y\|YT\|YTH\|YTHO)?N	'PN'、'PYN'、'PYTN'、'PYTHN'、'PYTHON'
PYTHON+	'PYTHON'、'PYTHONN'、'PYTHONNN'......
PY[TH]ON	'PYTON'、'PYHON'
PY[^TH]?ON	'PYON'、'PYaON'、'PYbON'、'PYcON'......
PY{:3}N	'PN'、'PYN'、'PYYN'、'PYYYN'