python爬虫—正则表达式的使用
“”"
^匹配字符串的开头
$匹配字符串的结尾
.匹配任意字符除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行的任意字符
[…]用来表示一组字符，单独列出，[adas]匹配’a’‘d’;‘a’‘s’
[^…]匹配不在[]中的字符
re* 匹配0和或多和表达式
re+ 匹配一个或多个的表达式
re? 匹配0或1个由前面的正则表达式定义的片段，非贪婪方式
re{n}
re{n,} 精确匹配N个前面表达式
re{n,m} 匹配n到m次由前面的正则表达式定义的片段，贪婪方式
a b
(re) G匹配括号内的表达式，也表示一个组
(?imx) 正则表达式包含三种可选标志：i，m或x 之影响括号内的区域
(?#.)注释
w 匹配字母数字及下划线
W 匹配非字母数字及下划线
s 匹配任意空白字符，等价于【tnrf】
S 匹配任意非空字符
d 匹配任意数字，等价于[1-9]
D 匹配任意非数字
A 匹配字符串开始
Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
z 匹配字符串结束
G 匹配最后完成匹配的位置
b 匹配一个单词边界，也就是之单词和空格键的位置例如：erb 可以匹配never 中的er 但是不可以匹配verb的er
n,t 匹配一个换行符，匹配一个制表符
1…9 匹配第n个分组的内容、
10 匹配第n个分组的内容，如果经匹配，否则指的是八进制字符码的表达式
[u4e00-u9fa5] 中文
贪婪模式：总是匹配尽量多的字符】默认是贪婪的，非贪婪模式加个？
例如：正则表达式ab如果用于查找"abbbc" ,将找到’abbb’3而如果使用非贪婪模式ab?,将找到’a’
常用方法：
re.match() 尝试从字符串的起始位置
re.search
re.search扫描整个字符串并成功返回第一个成功的匹配
函数语法：re.search(pattern,string,flags=0)
re.sub
re.sub替换字符串re.sub(pattern,replace,string)
re.findall
re.findall查找全部 re.findall(pattern,string,flags=0)
“”"
实例演示：
import restr1 = "I Study Python3.7 Everyday "print("*****match****")m1 = re.match(r'I',str1)m2 = re.match(r"w",str1)m3 = re.match(r".",str1)m4 = re.match(r"D",str1)m5 = re.match(r"i",str1,re.I)m6 = re.match(r"S",str1)print(m1.group())print(m4.group())print(m5.group())
m = re.match(r"Study",str1)#匹配不到，因为match是从左开始匹配print(m)print("****re.search()*******")m1 = re.search(r"Study",str1)m3 = re.search(r"Sw+",str1)m2 = re.findall(r"Study",str1)print(m2[0])
m1 = re.search(r"Pw+.d",str1)print(m1.group())f1 = re.findall(r"y",str1)#findall是一个列表print(f1)import restr2 = 'bjsxt百度'# f1 = re.findall(r"[u4e00-u9fa5]w+",str2)# f2 = re.findall(r'(.+)',str2)f3 = re.findall(r'a herf ="(.+)">',str2)print(f3)
str2 = 'bjsxt百度'import restr2 = 'bjsxt百度'sul = re.sub(r"(.+)",r"1",str2)#1一个分组print(sul)