五. 爬虫 正则表达式

一 正则表达式

 https://www.cnblogs.com/Sup-to/p/10854522.html

1. re模模块

1.基本用法

re.findall(正则匹配的格式,匹配的对象)

2.正则匹配常用格式

1.^
只匹配开头在多行模式中匹配每一行的开头

2.a|b
匹配的格式a或者b

3[]
[a,b]匹配的格式a或者b如果ab为多个值他会把里面的东西打散

[1-9]数字1-9
[a-z]字母a-z
[A-Z]字母A-Z
[^x]内容不等于x

4.$
a$ 匹配已a 结尾的

5..
代表任意字符

6.{}
{n}代表大括号前字符n个
{n,m}代表大括号前字符n-m个
{n,}代表大括号前字符n-多个
{+,}代表大括号前字符1-多个
{0,}代表大括号前字符0-多个

7.*
代表前面字符0-无穷大个

8.+
代表前面字符1-无穷大个

9.?
a?代表a字符0-1个
?a,前面值是+或者*的时候?匹配内容a结束

 

 

3.re.findall(正则匹配的格式,匹配的对象,re.S)

re.S的作用：

不使用re.S时，则只在每一行内进行匹配，如果存在一行没有，就换下一行重新开始，使用re.S参数以后，正则表达式会将这个字符串看做整体，在整体中进行匹配

import re
a = """sdhellolsdlfsdfiooe:
yy988989pythonafsf"""
b = re.findall('hello(.*?)python',a)
c = re.findall('hello(.*?)python',a,re.S)
print (b)
print(c)
输出结果：
b:[]
c:['lsdlfsdfiooe:\nyy988989']

4.re.match和re.search

# match 和 search的区别，mathch从开头开始匹配找一个，search搜索所有找第一个

5.re.compile

定义某种搜索格式
res1 = re.compile('\d+')
res1.findall(查找对象)等同于re.findall('\d+',查找对象)

6.re.split()

就是字符串的split方法,区别是可以使用正则表达式去替换

7.re.sub和re.subu

就是字符串的replace方法,区别是可以使用正则表达式去替换

import re

s = '猪八戒的媳妇是1高翠兰，孙悟空的媳妇是2白骨精，唐僧的媳妇是3女儿国王，沙悟净6没有媳妇（py9的学生们）'

print(re.sub('\d','',s))

print(re.subn('\d','',s))  # 除了会修改内容，还会返回修改了多少次
猪八戒的媳妇是高翠兰，孙悟空的媳妇是白骨精，唐僧的媳妇是女儿国王，沙悟净没有媳妇（py的学生们）
('猪八戒的媳妇是高翠兰，孙悟空的媳妇是白骨精，唐僧的媳妇是女儿国王，沙悟净没有媳妇（py的学生们）', 5)