【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❤️❤️❤️