正则表达式

正则表达式

正则表达式的基础知识

• 原子

  • 普通字符 “yue”即为三个原子y u e
  • 非打印字符
  • 原子表
    • [xyz]中xyz可以匹配
    • [^xyz]除了xzy都可以匹配
  • 通用字符
    • \w \W \d \D \s \S

• 元字符

  • 常见的元字符
  • 任意匹配元字符
  • 边界限制元字符
  • 限定符
  • 模式选择符
  • 模式单元

• 模式修正

• 贪婪模式与懒惰模式

正则表达式常见函数

• re.match()函数
  • 从源字符开头开始检索
• re.search()
  • 从全文检索
• 全局匹配函数
  • re.compile()对正则表达式预编译
  • 编译后，使用findall()全部找出
• re.sub()函数
  • re.sub(pattern,rep,string,max)
  • pattern 正则表达式
  • rep要替换成的字符
  • string 源字符
  • max 代表最多可替换的次数

Cookie

• Cookie常用于保存会话信息

Cookiejar

Cookiejar是Python3中用于处理Cookie的库。

进行Cookie处理的常用思路：

1. 导入Cookie处理模块http.cookiejar
2. 使用http.cookiejar.CookieJar()创建CookieJar对象
3. 使用HTTPCookieProcessor创建cookie处理器，并以其为参数构建opener对象
4. 创建全局默认的opener对象

多线程爬虫

​

Trackback解读

​ Trackback