python 爬虫----- 数据解析 RE解析（正则表达式）

 

 

Regular Rxpression 正则表达式（字符串语法匹配）

常用元字符：

 

 量词：

 

 贪婪匹配（到最后一个匹配项停止，即全部匹配）和惰性匹配（匹配尽量少的对象，使用到回溯算法：先全部匹配再找到最小的匹配）

 

 RE 正则表达式：

 

Python正则表达式前的 r 表示原生字符串（rawstring），该字符串声明了引号中的内容表示该内容的原始含义，避免了多次转义造成的反斜杠困扰。

 

• re中的相关操作

• findall()

• finditer()

• search()

• match()

• 预加载（编译）一个正则表达式

• 获得想要的正则表达式获取的数据

import re

# findall() 返回所有符合正则表达式的内容 列表
lst = re.findall(r"\d+", "my phone number is 10086 or 10000")
print(lst)

# finditer() 返回所有符合正则表达式的内容 迭代器(也是match对象)

it = re.finditer(r"\d+", "my phone number is 10086 or 10000")

for i in it:
    print(i.group())#在迭代器中用.group拿数据
# search() 返回一个符合正则表达式的内容 match
s = re.search(r"\d+", "my phone number is 10086 or 10000")
print(s.group())  #python中的match对象是一次匹配的结果，其包含了很多匹配的相关信息。

#match() 是从头开始匹配一个符合正则表达式的内容
s = re.match(r"\d+", "10086 or 10000")
print(s.group())

#预加载（编译）一个正则表达式
obj = re.compile(r"\d+")
s = obj.match("10086 or 10000")
print(s.group())


s = """
<div class='jay'><span id='1'>郭麒麟</span></div>
<div class='jj'><span id='1'>郭麒</span></div>
<div class='ja'><span id='1'>郭麟</span></div>
<div class='jy'><span id='1'>麒麟</span></div>
<div class='jjjy'><span id='1'>麟</span></div>
"""

#获得想要的正则表达式获取的数据
# (?P<你起的分组名字>.*?（任意一个正则表达式 ）) 表示将.*?匹配的东西储存在分组中，可以在.gruop(分组)中调用
obj = re.compile(r"<div class='(?P<wadada>.*?)'><span id='(?P<wakaka>.*?)'>(?P<wahaha>.*?)</span></div>", re.S)#re.s让.可以匹配换行符

result = obj.finditer(s)
for it in result:
    print(it.group("wahaha"))
    print(it.group("wakaka"))
    print(it.group("wadada"))