python爬虫中正则表达式学习心得以及典型实例

一 正则表达式简介

    regular expression --> 用来简洁表达一组字符串的表达式

    主要用于:文本处理 --> 如(表达文本类型的特征,同时查找或替换一组字符串,匹配字符串的全部或部分)

二 正则表达式常用操作符

操作符 描述 操作符 描述
\w 匹配字母数字及下划线 ^ 匹配字符串开头
\W 匹配非字母数字下划线 $ 匹配字符串末尾
\s 匹配任意空白字符,等价于[\t\n\f] . 匹配任意字符,处理换行符
\S 匹配任意非空字符 [...] 用来表示一组字符,单独列出:[amk]匹配'a','m'或者'k'
\d 匹配任意数字 [^...] 不在[]中的字符:[^abc]匹配除了a,b,c之外的字符
\D 匹配任意非数字 * 匹配0个或多个的表达式
\A 匹配字符串开始 + 匹配一个或多个的表达式
\Z 匹配字符串结束,如果有换行,匹配到换行前 ? 匹配0个或者1个
\z 匹配字符串结束 {n} 精确匹配n个前面表达式
\G 匹配最后匹配完成的位置 {n, m} 匹配n到m次由前面的正则表达定义的片段,贪婪方式
\n 匹配一个换行符 a|b 匹配a或b
\t 匹配一个制表符 () 匹配括号内的表达式,也表示一个组

三 常用正则表达式实例

    1. 匹配中文字符: [\u4e00-\u9fa5]+

    2. 匹配网址URL: [a-z]+://[^\s]*

    3. 国内电话号码: \d{3}-\d{8}|\d{4}-\{7,8}

    4. 中国邮政编码: [1-9]\d{5}(?!\d)

    5. 匹配整数:^-?[1-9]\d*$

    6. 26个字母和数字组成的字符串:^[a-zA-Z0-9]+$

    7. ip地址匹配:(([0-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])

四 Re库主要功能函数

函数 描述
re.search() 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
re.match() 从一个字符串的开始位置起匹配正则表达式,返回match对象
re.findall() 搜索字符串,以列表类型返回全部能匹配的子串
re.split() 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
re.finditer()

搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象

re.sub() 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串
基本用法: re.search(pattern, string, flags=0)

                    pattern --> 正则表达式的字符串或原生字符串

                    string --> 待匹配的字符串

                    flags --> 正则表达式使用时的控制标记



    

猜你喜欢

转载自blog.csdn.net/chenzao123/article/details/79449517
今日推荐