本文介绍了正则表达式在Python3网络爬虫中的应用，详细讲解了正则表达式的常用匹配规则，如w、W、s等，并举例说明了如何在Python中使用re库进行匹配、提取信息。此外，还探讨了贪婪与非贪婪匹配、修饰符的使用，以及match()、search()、findall()、sub()等方法的功能和差异。
正则表达式是处理字符串的强大工具，它有自己的特定语法结构，有了它，实现字符串的检索、替换、匹配 验证都不在话下。
当然、对于爬虫而言，有了它，从HTML中提取信息就变得非常方便。
1.正则表达式介绍
开源中国的一个网站：http://tool.oschina.com/regex
写好正则表达式之后，就可以拿他去一个长的字符串里面匹配查找了。不论这个字符串里面有什么，只要匹配符合我们所写的规则，统统可以查找出来，对于网页而言，如果想找出网页源代码里有多少URL用匹配URL的正则表达式去匹配即可。
常用匹配规则：
1. \w 匹配字母、数字及下划线
2.\W 匹配不是字母、数字及下划线
3.\s 匹配任意空白字符、等价于[\t\n\r\f]
4.\S 匹配任意非空字符
5.\d 匹配任意数字，等价于[0-9]
6.\D 匹配任意非数字的字符
7.\A匹配字符串的开头 (初次看不知道用法)
8.\Z 匹配字符串结尾，如果存在换行、只匹配到换行前的结束字符串。
9.\z 匹配字符串的结尾，如果存在换行，同时还会匹配换行符。
10. \G 匹配最后匹配完成的位置（初次看见不知具体用法）
最低0.47元/天 解锁文章
扫一扫
2662
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
