网络爬虫——正则表达式语法

正则表达式基础讲解

代码代写(实验报告、论文、小程序制作)服务请加微信:ppz2759

一、什么是正则表达式

在网络爬虫将网页内容爬取的时候,有一个关键的步骤就是对我们关注的信息进行提取,正则表达式就是用于信息筛选提取的强大工具,并且学习简单,所以建议大家掌握。

Python正则表达式语句

import re

re.compile(“正则表达式”).findall(“原字符串”)

1.匹配符

普通字符			正常匹配其中的字符。
\n				匹配换行符。
\t				匹配制表符。
\w				匹配字母、数字、下划线。
\W				匹配除了字母、数字、下划线的字符串。字母大写相当于非(个人总结)
\d				匹配十进制数字
\D				匹配除了十进制数字的字符串
\s				匹配空白字符
\S				匹配非空白字符
[asd213]		匹配中括号中的任意一个字符
[^asd213]		匹配中除了括号中的任意一个字符

实例1

源字符串:"chengxuyuanxiaozhe666"
正则表达式:"xiaozhe"
匹配后:"xiaozhe"

实例2

源字符串:"chengxuyuanxiao
zhe666"
正则表达式:"xiao\nzhe"
匹配后:"xiao\nzhe"

实例3

源字符串:"chengxuyuanxiaozhe666"
正则表达式:"\w\w\w\d\d\d"
匹配后:"zhe666"

实例4

源字符串:"chengxuyuanxiaozhe666"
正则表达式:"xia[asdo]zhe"
匹配后:"xiaozhe"

2.特殊字符

想单纯的使用以下字符,需要在前面加一个\,如$。

.				匹配除换行符 \n 之外的任何单字符。
^				匹配输入字符串的开始位置。
$				匹配输入字符串的结尾位置。 
*				前一个字符出现零次或多次。
+				前一个字符出现一次或多次。
?				前一个字符出现零次或一次。
{n}				前一个字符恰好出现n次
{n,}			前一个字符至少出现n次
{n,m}			前一个字符至少n次,至多m次
|				指明两项之间的一个选择。
()				标记一个子表达式的开始和结束位置。

实例1

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"xiao..."
匹配后:"xiaozhe"

实例2

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"^xiaozhe..."//从第一个字母开始匹配
匹配后:None

实例3

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"^chengxuyuan"
匹配后:"chengxuyuan"

实例4

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"zuishuai$"//从最后一个字母开始匹配
匹配后:"zuishuai"

实例5

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"cheng.*"//*前一个字符出现零次或多次。//.匹配除换行符 \n 之外的任何单字符。
匹配后:"chengxuyuanxiaozhe666zuishuai"//默认贪婪尽可能多的匹配

实例6

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"zhe6+"
匹配后:"zhe666"

实例7

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"zhe6?"
匹配后:"zhe66"

实例8

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"zhe6{1,2}"
匹配后:"zhe66"

实例9

源字符串:"chengxuyuanxiaozhe666zuishuai"
正则表达式:"^cheng(xu....)"
匹配后:"xuyuan"

3.贪婪模式与懒惰模式

贪婪模式:就是尽可能多的匹配,默认贪婪模式
懒惰模式:就是尽可能少的匹配,也叫精准模式
当出现以下组合时,才代表是懒惰模式:

*?				懒惰模式//?不代表0或1了
+?				懒惰模式//?不代表0或1了

实例1

源字符串:"chengxuyuanxiaozheezhe666zuishuai"
正则表达式:"xiao.*e"
匹配后:"xiaozhezhe"//默认贪婪模式,尽可能多的匹配

实例2

源字符串:"chengxuyuanxiaozhezhe666zuishuai"
正则表达式:"xiao.*?e"
匹配后:"xiaozhe"//懒惰模式,尽可能少的匹配

4.模式修正符

在不改变正则表达式的情况下,通过模式修正符使匹配结果发生改变。
这个看不懂没关系,下面的例子就懂了

re.compile(“正则表达式”).findall(“原字符串”)			//原匹配语句
re.S				//使.也可以匹配换行
re.I				//匹配时候忽略大小写

实例1

源字符串:"XiaoZhe"
正则表达式:"xiao"
匹配语句:re.compile("xiao").findall("XiaoZhe")
匹配后:None

实例2

源字符串:"XiaoZhe"
正则表达式:"xiao"
匹配语句:re.compile("xiao",re.I).findall("XiaoZhe")
匹配后:"Xiao"

实例3

源字符串:"cheng\nxuyuan\nxiao\nzhe"
正则表达式:"cheng.*zhe"
匹配语句:re.compile("cheng.*zhe").findall("XiaoZhe")//.不包括回车
匹配后:None

实例4

源字符串:"cheng\nxuyuan\nxiao\nzhe"
正则表达式:"cheng.*zhe"
匹配语句:re.compile("cheng.*zhe",re.S).findall("XiaoZhe")
匹配后:"cheng\nxuyuan\nxiao\nzhe"

以上就是个人总结的关于正则表达式的知识点,望采纳
除了正则表达式外,我还推荐大家学习另一款XPath表达式,非常简单,比较重要,
XPath表达式在我的另一篇博客有介绍,如果没看到说明还没写完哈
在这里插入图片描述

©️2020 CSDN 皮肤主题: 鲸 设计师:meimeiellie 返回首页