【MOOC】正则表达式--Re库

Requests库—自动爬取HTML页面，自动网络请求提交

Robots.txt—网络爬虫排除标准

BeautifulSoup库—解析HTML页面，信息标记与提取方法

Re库—正则表达式，提取页面关键信息

简洁表达字符串，应用于字符串匹配，模糊查找

 

一、正则表达式常用操作符

 

 

 

二、经典的正则表达式

 

三、正则表达式的表示类型

原生字符串--raw string类型

   r'[1-9]\d{5}'

 

四、Re库的主要功能函数

 

 

1、 re.search(pattern, string, flags=0)   搜索，返回第一个匹配到的结果

pattern—原生字符串

string—待匹配的字符串

flags—控制标记

import re

match = re.search(r'[1-9]\d{5}' , 'BIT 361000') ## 匹配邮政编码类型
if match:
    print(match.group(0))

 

2、 re.match(pattern, string, flags=0)  从开始位置开始匹配

 

match = re.match(r'[1-9]\d{5}' , '361000 BIT') ## 匹配邮政编码类型
if match:
    print(match.group(0))　　

3、 re.findall(pattern, string, flags=0)  搜索，返回全部匹配的结果，列表类型

 

match = re.findall(r'[1-9]\d{5}' , '361000BIT TLT178209') ## 匹配邮政编码类型
print(match) ##['361000', '178209']

 

4、 re.split(pattern, string, maxsplit=0, flags=0)  分割匹配结果，返回列表类型

maxsplit—最大分割数，剩余部分作为最后一个结果输出 

match = re.split(r'[1-9]\d{5}' , '361000BIT TLT178209') ## 匹配邮政编码类型
print(match) ##['', 'BIT TLT', '']
match = re.split(r'[1-9]\d{5}' , '361000BIT TLT178209',maxsplit=1) ## 匹配邮政编码类型
print(match) ##['', 'BIT TLT178209']

 

5、 re.finditer(pattern, string, flags=0)  返回匹配结果的迭代类型，可以迭代地获得每一次匹配结果

for m in re.finditer(r'[1-9]\d{5}' , '361000BIT TLT178209'):
    if m:
        print(m.group(0))
        #361000
        #178209　

 

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

repl—替换匹配地字符串

count—匹配地最大替换次数 

m = re.sub(r'[1-9]\d{5}' , ':zipcode' , '361000BIT TLT178209')
print(m)  ## :zipcodeBIT TLT:zipcode　　 

 

五、 等价用法 re.compile()

用于多次使用和匹配正则表达式，加快程序运行

re.compile(pattern, flags=0)

 

rst = re.search(r'[1-9]\d{5}' , 'BIT 361000')
##等价于
pat = re.compile(r'[1-9]\d{5}')
rst = pat.search('BIT 361000')

 

 

六、 Match对象

 

 

 

m = re.search(r'[1-9]\d{5}' , '361000BIT TLT178209')
print(m.string)  ## 361000BIT TLT178209
print(m.re)  ## re.compile('[1-9]\\d{5}')
print(m.pos)  ## 0
print(m.endpos) ## 19

print(m.group(0)) ## 361000  ##返回第一次匹配地结果
print(m.start()) ## 0
print(m.end()) ## 6
print(m.span()) ## (0, 6)

 

 

七、 Re库地贪婪匹配—输出匹配最长地子串

 

match = re.search(r'啦啦.*去','咕咕咕啦啦啦去狗狗去猫猫去来来去')
print(match.group(0)) ## 啦啦啦去狗狗去猫猫去来来去

　　

八、 Re库地最小匹配 ，操作符后面加一个 ?

match = re.search(r'啦啦.*?去','咕咕咕啦啦啦去狗狗去猫猫去来来去')
print(match.group(0)) ## 啦啦啦去