快捷導(dǎo)航

Python爬蟲之正則表達(dá)式基本用法實(shí)例分析

更新時(shí)間：2018年08月08日 11:45:18 作者：Charles.L

這篇文章主要介紹了Python爬蟲之正則表達(dá)式基本用法,結(jié)合實(shí)例形式分析了Python正則表達(dá)式的基本概念、函數(shù)語(yǔ)法、相關(guān)使用方法及操作注意事項(xiàng),需要的朋友可以參考下

本文實(shí)例講述了Python爬蟲之正則表達(dá)式基本用法。分享給大家供大家參考，具體如下：

一、簡(jiǎn)介

正則表達(dá)式，又稱正規(guī)表示式、正規(guī)表示法、正規(guī)表達(dá)式、規(guī)則表達(dá)式、常規(guī)表示法（英語(yǔ)：Regular Expression，在代碼中常簡(jiǎn)寫為regex、regexp或RE），計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來(lái)描述、匹配一系列匹配某個(gè)句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來(lái)檢索、替換那些匹配某個(gè)模式的文本。

compile 函數(shù)根據(jù)一個(gè)模式字符串和可選的標(biāo)志參數(shù)生成一個(gè)正則表達(dá)式對(duì)象。該對(duì)象擁有一系列方法用于正則表達(dá)式匹配和替換。

二、使用方法

1、簡(jiǎn)單看一下寫法

函數(shù)語(yǔ)法：

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

函數(shù)參數(shù)說(shuō)明：

參數(shù)	描述
pattern	匹配的正則表達(dá)式
string	要匹配的字符串。
flags	標(biāo)志位，用于控制正則表達(dá)式的匹配方式，如：是否區(qū)分大小寫，多行匹配等等。

匹配成功re.match方法返回一個(gè)匹配的對(duì)象，否則返回None。

我們可以使用group(num) 或 groups() 匹配對(duì)象函數(shù)來(lái)獲取匹配表達(dá)式。

匹配對(duì)象方法	描述
group(num=0)	匹配的整個(gè)表達(dá)式的字符串，group() 可以一次輸入多個(gè)組號(hào)，在這種情況下它將返回一個(gè)包含那些組所對(duì)應(yīng)值的元組。
groups()	返回一個(gè)包含所有小組字符串的元組，從 1 到所含的小組號(hào)。

import re
p = re.compile('abcd')
print(type(p))
#<class '_sre.SRE_Pattern'>
print(dir(p))
#['__class__', '__copy__', '__deepcopy__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'findall', 'finditer', 'flags', 'fullmatch', 'groupindex', 'groups', 'match', 'pattern', 'scanner', 'search', 'split', 'sub', 'subn']
m = p.match('abcdef')
print(type(m))
#<class '_sre.SRE_Match'>
print(dir(m))
#['__class__', '__copy__', '__deepcopy__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'end', 'endpos', 'expand', 'group', 'groupdict', 'groups', 'lastgroup', 'lastindex', 'pos', 're', 'regs', 'span', 'start', 'string']
print(m.group())
#abcd
print(m.group(0))
#abcd

re.match()方法值匹配字符串的開頭如果不滿足，就返回一個(gè)None

import re
p = re.compile('abcd')
m = p.match('abdcef')
print(m.group())
#AttributeError: 'NoneType' object has no attribute 'group'

神奇的.

import re
p = re.compile('.')
m = p.match('abdcef')
print(m.group())
#a

特殊字符（元字符）

注意：\在里面是轉(zhuǎn)義詞的意思，例如，你想匹配一個(gè)re.compile('.'),這個(gè).是匹配任意字符。但是我就想讓它匹配一個(gè).怎么辦，re.compile('\.'),這樣的話它就真的只匹配一個(gè)點(diǎn)。

re.findall()

import re
p = re.compile('\.')
#匹配符號(hào)點(diǎn)（注意這里可前面加上了轉(zhuǎn)義符\，就不是匹配任意字符了）
m = p.findall('abc.def.')
print(type(m))
#<class 'list'>
print(m)
#['.', '.']
#可以得出，返回的是一個(gè)list，全局查找，不想match方法只匹配字符串開頭

數(shù)量詞：

貪婪模式和非貪婪模式

1、一個(gè)小例子

我們知道*表示匹配一個(gè)字符串0次或者多次，而+是匹配字符串1次或多次，所以*的時(shí)候匹配了0次也打印出來(lái)了，而+只找匹配1次的字符。

import re
p = re.compile('[abc]+')
m = p.findall('abcdef')
print(m)
#*
 #['abc', '', '', '', '']
#+
 #['abc']

貪婪與非貪婪模式影響的是被量詞修飾的子表達(dá)式的匹配行為，貪婪模式在整個(gè)表達(dá)式匹配成功的前提下，盡可能多的匹配.

而非貪婪模式在整個(gè)表達(dá)式匹配成功的前提下，盡可能少的匹配。

2、{}

根據(jù)下面的例子不難看出，數(shù)量詞{m}表示的是匹配前面字符串的幾個(gè)字符串

import re
p = re.compile('[abc]{3}')
m = p.findall('abcdabcd')
print(m)
#{1}
 #['a', 'b', 'c', 'a', 'b', 'c']
#{2}
 #['ab', 'ab']
#{3}
 #['abc', 'abc']

re.search方法

re.search 掃描整個(gè)字符串并返回第一個(gè)成功的匹配,否則返回的是None（注意findall返回的是list，而search返回的直接就是字符串）

import re
p = re.compile('abcd')
m = p.search('abcdabcd')
print(m.group())

檢索和替換

Python 的 re 模塊提供了re.sub用于替換字符串中的匹配項(xiàng)。

語(yǔ)法：

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

參數(shù)：

pattern : 正則中的模式字符串。
repl : 替換的字符串，也可為一個(gè)函數(shù)。
string : 要被查找替換的原始字符串。
count : 模式匹配后替換的最大次數(shù)，默認(rèn) 0 表示替換所有的匹配。

示例一：

替換一#開頭的所有字符（匹配任意字符0次或者多次），替換成無(wú)。

import re
phone = "2004-959-559 # 這是一個(gè)國(guó)外電話號(hào)碼"
num = re.sub('#.*','',phone)
print(num)

示例一：擴(kuò)展

找到所有非數(shù)字的字符，‘'代表著刪除。

import re
phone = "2004-959-559 # 這是一個(gè)國(guó)外電話號(hào)碼"
num = re.sub('\D','',phone)
print(num)

正則表達(dá)式修飾符 - 可選標(biāo)志

正則表達(dá)式可以包含一些可選標(biāo)志修飾符來(lái)控制匹配的模式。修飾符被指定為一個(gè)可選的標(biāo)志。多個(gè)標(biāo)志可以通過(guò)按位 OR(|) 它們來(lái)指定。如 re.I | re.M 被設(shè)置成 I 和 M 標(biāo)志：

PS：這里再為大家提供2款非常方便的正則表達(dá)式工具供大家參考使用：

JavaScript正則表達(dá)式在線測(cè)試工具：
http://tools.jb51.net/regex/javascript

正則表達(dá)式在線生成工具：
http://tools.jb51.net/regex/create_reg

更多關(guān)于Python相關(guān)內(nèi)容可查看本站專題：《Python正則表達(dá)式用法總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》

希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。

您可能感興趣的文章:

最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python爬蟲之正則表達(dá)式基本用法實(shí)例分析

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具