【爬虫技能树】㈢、必备技能：正则表达式

简介

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。 Python re 模块提供了一些函数，使用一个模式字符串做为它们的第一个参数。

匹配模式 模式描述^匹配字符串的开头$匹配字符串的末尾.匹配任意字符，除了换行符\d匹配一个数字字符\D匹配一个非数字字符\s匹配任意空白字符，包括空格、制表符、换页符等等\S匹配任意非空白字符\w匹配包括下划线的任意单词字符\W匹配任意非单词字符[0-9]匹配任意数字[a-z]匹配任意小写字母[A-Z]匹配任意大写字母.*表示"贪婪"模式，除了换行符以外得任意单个或多个字符.*?表示"非贪婪"模式，只保存第一个匹配到的子串 re.match函数

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

语法:

re.match(pattern, string, flags=0)

• pattern – 匹配的正则表达式
• string – 匹配的字符串
• flags – 标志位，用于控制正则表达式的匹配方式

匹配方法：

方法描述group()匹配的整个表达式的字符串groups()返回一个包含所有小组字符串的元组 案例

import re

print(re.match('he', 'hello word').span())  # 在起始位置匹配
print(re.match('word', 'hello word'))  # 不在起始位置匹配

re.search方法

re.search 扫描整个字符串并返回第一个成功的匹配。 语法：

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

案例

import re

l = 'hello word'
print(re.search( r'.*', l).group())  # 匹配所有字符串

re.match与re.search的区别

re.match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None，而 re.search 匹配整个字符串，直到找到一个匹配。

案例

import re

line = "hello word"

match = re.match(r'word', line).group() \
    if re.match(r'word', line) else None

print(match)

search = re.search(r'word', line, re.M | re.I).group()
print(search)

re.sub

re.sub用于替换字符串中的匹配项。 语法:

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

参数：

• pattern : 正则中的模式字符串。
• repl : 替换的字符串，也可为一个函数。
• string : 要被查找替换的原始字符串。
• count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
• flags : 匹配模式

案例

import re

phone = "139-2030-0495"


# 移除符号
num = re.sub(r'\D', "", phone)
print("手机号: ", num)

re.findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表

注意： match 和 search 是匹配一次，而 findall 匹配所有,也是经常用的匹配模块 语法：

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

• pattern --匹配模式
• string – 待匹配的字符串
• flags – 匹配模式

案例

import re

text = "我爱python 666"


# 移除符号
res = re.findall(r'\d+',text) # 匹配数字
res1 = re.findall('.*',text,re.S) # 匹配所有

print(res)
print(res1)

正则修饰符 修饰符说明re.I使匹配对大小写不敏感re.L做本地化识别（locale-aware）匹配re.M多行匹配，影响 ^ 和 $re.S使 . 匹配包括换行在内的所有字符re.U根据Unicode字符集解析字符re.X该标志通过给予你更灵活的格式

点关注不迷路，本文若对你有帮助，烦请三连支持一下 ❤️❤️❤️ 各位的支持和认可就是我最大的动力❤️❤️❤️