从零开始的爬虫生涯（五）：re正则表达式详解

2021-09-04 23:02:07 阅读：144 来源： 互联网

标签：regex search string 正则表达式爬虫 re 从零开始 match

文章目录

前言
正则表达式简介
示例
1. re库的函数
- 1.1 match和search
- 1.2 findall和finditer

前言

工欲善其事，必先利其器。这篇文章我们将一起学习处理爬取到数据的一种强大的工具：正则表达式。

正则表达式简介

正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。（来自百度百科）

要学习正则表达式的具体用法，最好的方式是参阅re库官方中文文档

示例

import re

regex = 'abc'
string = 'www.abc.com'

# 预编译正则表达式（预编译的好处是，可以多次调用）
# re.compile('string') ==>子串
p = re.compile(regex)  # p是.pattern对象的实例，是一个缓存
a = p.search(string)  # 调用这个实例的方法search（'string'）==>母串
print(a)  # <_sre.SRE_Match object; span=(4, 7), match='abc'>
print(a.span())  # span()返回匹配的位置
print(a.group())  # group()返回匹配的组

# 不使用预编译
a = re.search(regex, string)
print(a)

1. re库的函数

1.1 match和search

match ：从开始位置匹配，不成功返回none，成功返回一个Match对象
search ：扫描整个string，不成功返回none，成功返回match对象

>>> import re
>>> string = 'www.abc.com'
>>> regex = 'www'
>>> m1 = re.match(regex, string)
>>> m1
<re.Match object; span=(0, 3), match='www'>
>>> m2 = re.search(regex, string)
>>> m2
<re.Match object; span=(0, 3), match='www'>
>>> regex = 'abc'
>>> m3 = re.match(regex, string)
>>> m3
# 返回了none 
>>> m4 = re.search(regex, string)
>>> m4
<re.Match object; span=(4, 7), match='abc'>

1.2 findall和finditer

标签：regex,search,string,正则表达式,爬虫,re,从零开始,match
来源： https://blog.csdn.net/fishfuck/article/details/120105704

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9