第60讲：一只爬虫的自我修养8——正则表达式

一 search方法:

1 模块级别的search方法：re.search(pattern,string,flags=0)

• pattern : 正则中的模式字符串。
• string : 要被查找替换的原始字符串。
• flags : 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

2 编译后的正则表达式模式对象也拥有search方法：regex.search(string[,pos[,endpos]])

• string： 要被查找替换的原始字符串。
• pos：表示需要搜素的起始位置
• endpos：表示需要搜索的结束位置

注意：search方法并不会立刻返回你可以使用的字符串取而代之，而是返回一个匹配对象

3 匹配对象有一些方法，使用方法才可以获得一些你需要的字符串

• group()方法：如果正则表达式中存在子组，那么会将匹配的内容进行捕获；通过在group中设置序号，可以提取到对应的子组捕获的字符串

  >>> import re
  >>> result = re.search(r" (\w+) (\w+)","I love FishC.com!")
  >>> result
  <re.Match object; span=(1, 12), match=' love FishC'>
  >>> result.group()
  ' love FishC'
  >>> result.group(1)
  'love'
  >>> result.group(2)
  'FishC'
  >>> result.group(3)
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
  IndexError: no such group

  • \w表示匹配任意字符，+号表示匹配一次或者多次
• start()方法：匹配的开始位置
• end()方法：匹配的结束位置
• span()方法：表示范围

  • >>> result.start()
    1
    >>> result.end()
    12
    >>> result.span()
    (1, 12)

 二 findall方法

1 功能：

正则表达式里面没有子组：找到所有匹配的内容，并把他们组织成列表的形式返回

正则表达式里面有子组：findall方法会把正则表达式的匹配结果进行分类，并将结果以元组的形式返回——解决办法:让子组不捕获内容

 

代码一直没办法用，不知道怎么改