爬蟲 正規表示式

正規表示式(regular expression)是一種字串匹配的模式(pattern)。它可以檢查乙個字串是否含有某種子串；替換匹配的子串；提取某個字串中匹配的子串。

#

匯入正則模組
importre#
字元匹配
rs = re.findall('
abc', '
adc'
)print
(rs)
rs = re.findall('
a.c', '
abc'
)print
(rs)
rs = re.findall('
a.c', '
a\nc')
print
(rs)
rs = re.findall('
a.c', '
a.c'
)print
(rs)
rs = re.findall('
a\.c
', '
a.c'
)print
(rs)
rs = re.findall('
a\.c
', '
abc'
)print
(rs)
rs = re.findall('
a[bc]d
', '
abd'
)print
(rs)
rs = re.findall('
a[bc]d
', '
acd'
)print
(rs)
#預定義的字符集
rs = re.findall('
\d', '
123')#
\w 匹配 下劃線 字母 中文
rs = re.findall('
\w', '
az123_中文$%')
#數量詞
rs = re.findall('
\d*', '
123')

掃瞄整個string字串，返回所有與pattern匹配的列表

importre#

1.findall方法，返回匹配的結果列表
rs = re.findall('
\d+', '
gazikel23zihoo98')
print
(rs)
#2.findall方法中，flag引數的作用
rs = re.findall('
a.bc
', '
a\nbc
', re.dotall)
rs = re.findall('
a.bc
', '
a\nbc
', re.s)
print(rs)

如果正則中沒有()則返回與整個正規表示式匹配的列表。

如果正規表示式中有()中匹配的內容列表，小括號兩邊的東西都是負責提取資料所在位置。

#

3.findall方法中分組的使用
rs = re.findall('
a(.+)bc
', '
a\nbc
', re.dotall)
#['\n']
print(rs)

正則中使用r原串，能夠忽略轉義符號帶來的影響

將匹配的字串中有多少個\，r原串正則中就新增多少個\即可。

python爬蟲 正規表示式

正規表示式是十分高效而優美的匹配字串工具，一定要好好掌握。利用正規表示式可以輕易地從返回的頁面中提取出我們想要的內容。1 貪婪模式與非貪婪模式 python預設是貪婪模式。貪婪模式，總是嘗試匹配盡可能多的字元 非貪婪模式，總是嘗試盡可能少的字元。一般採用非貪婪模式來提取。2 反斜槓問題 正規表示式裡...

Python爬蟲 正規表示式

一般的正規表示式都可直接到正則生成工具處生成，常見匹配字元 re.match及其常規匹配 re.match 嘗試從字串的起始位置匹配乙個模式，如果不是起始位置匹配成功的話，match 就返回none。re.match pattern,string,flags 0 返回的為乙個物件，其中span代表長...

爬蟲（十） 正規表示式

正規表示式 就是事先定義好一些特殊字元，及特定字元的組合，組成乙個 規則字串 這個規則字串用來表達對字串的乙個過濾邏輯 字元 含義 match 方法 match 方法用於查詢字串的頭部 也可以指定起始位置 它是一次匹配，只要找到了乙個匹配的結果就返回，而不是查詢所有匹配的結果 貪婪模式 貪婪模式盡可...