正则匹配---爬虫中常用的

科技前沿 • 2025-03-15 07:07 • 阅读 50

大家好，我是讯享网，很高兴认识大家。

文章转自：http://blog.csdn.net/skyeyesxy/article/details/

正则表达式学习链接：http://www.runoob.com/python/python-reg-expressions.html

1.正则表达式的符号与方法

常用符号：点号，星号，问号与括号（小括号）

.:匹配任意字符，换行符\n除外

*:匹配前一个字符0次或无限次

?:匹配前一个字符0次或1次

.*:贪心算法

.*?:非贪心算法

():括号内的数据作为结果返回

常用方法：findall， search， sub

findall：匹配所有符合规律的内容，返回包含结果的列表

search：匹配并提取第一个规律的内容，返回一个正则表达式对象(object)

sub：替换符合规律的内容，返回替换后的值

1)findall

a.点号`.`

import re a = 'xz123' b = re.findall('x.', a) print a 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4

讯享网

输出 ['xz']

点.是一个占位符，一个.代表一个符号

b.星号`*`

讯享网import re a = 'xyxy123' b = re.findall('x*', a) print b 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4

输出['x', '', 'x', '', '', '', '', '']

依次匹配字符，有则显示，无则显示''(空)。

讯享网

c.问号`?`

import re a = 'xy123' b = re.findall('x?', a) print b 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4

单独与*一样，前面附加其他的符号将做非贪心限制

d.贪心`.*`

讯享网import re secret_code = 'ghkj08hs68xxIxxa14kgj4w314exxlovexxbvk14rgjhxxyouxxfj4286ykjhag2' b = re.findall('xx.*xx', secret_code) print b 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4

输出['xxIxxa14kgj4w314exxlovexxbvk14rgjhxxyouxx']

只要满足条件全部显示，贪心算法

e.非贪心`.*?`

b = re.findall('xx.*?xx', secret_code) 
 
   
  
  
    
  1

输出['xxIxx', 'xxlovexx', 'xxyouxx']

以上只做了解，一般只用（.*?）

f.经典用法`(.*?)`

讯享网b = re.findall('xx(.*?)xx', secret_code) 
 
   
  
  
    
  1

输出['I', 'love', 'you']

()包围所需要的内容，括号内的内容作为结果返回，不需要的内容放在括号外面

2)re.S

import re secret_code = '''ghkj08hs68xxIxxa14kgj4w314exxlove xxbvk14rgjhxxyouxxfj4286ykjhag2''' #love后有换行符 b = re.findall('xx(.*?)xx', secret_code) print b 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4 
  
    
  5 
  
    
  6

输出['I', 'bvk14rgjh']，因为.不能匹配换行符。所以会一行为一个搜索项去找。匹配任何字符除了新的一行

讯享网import re secret_code = '''ghkj08hs68xxIxxa14kgj4w314exxlove xxbvk14rgjhxxyouxxfj4286ykjhag2''' #love后有换行符 b = re.findall('xx(.*?)xx', secret_code, re.S) print b 
 
   
  
  
    
  1 
  
    
  2 
  
    
  3 
  
    
  4 
  
    
  5 
  
    
  6

输出['I', 'love\n', 'you']，re.S让.匹配所有行，包括了换行符（以\n的形式出现）

3)search

re.search(pattern, string, flags=0)

正则匹配---爬虫中常用的

文章转自：http://blog.csdn.net/skyeyesxy/article/details/

正则表达式学习链接：http://www.runoob.com/python/python-reg-expressions.html

1.正则表达式的符号与方法

1)findall

a.点号.

b.星号*

c.问号?

d.贪心.*

e.非贪心.*?

f.经典用法(.*?)