基础爬虫-----正则表达式(原子介绍)

原子：是正则表达式最基本的组成单位，每个正则表达式中至少要包含一个原子，常见的类型：

① 普通字符 

②非打印字符

③通用字符

④原子表

①的案例代码：

# 正则表达式需要导入的模块
import re
# 普通字符作为原子
string = "taoyunjiaoyu"
# 想要提取的内容：
data = "yun"
# 使用正则表达式里的函数
ret = re.search(data,string)
print(ret)

①的运行结果：

②的案例代码：

# 非打印字符作为原子
# 非打印字符：像\n(换行符)  \t(制表符)等（存在\n）
string = '''taoyunjiaoyu
baidu
'''
data = "\n"
ret =re.search(data,string)
print(ret)

②的运行结果：

②的案例代码2（如果不存在\n会怎么样）

# 非打印字符作为原子
# 非打印字符：像\n(换行符)  \t(制表符)等
string = '''taoyunjiaoyubaidu'''
data = "\n"
ret =re.search(data,string)
print(ret)

②的案例代码2（如果不存在\n会怎么样）的运行结果-----None

③的案例代码：

# 通用字符可以作为原子：
# \w 字母、数字、下划线
# \W 除字母、数字、下划线
# \d 十进制数字
# \D 除十进制数字
# \s 空白字符
# \S 除空白字符
string = '''taoyunj i51468525aoyubaidu'''
# 几个\d几个数字
data = "\s\w\d\d\d"
ret =re.search(data,string)
print(ret)

③的运行结果：

④的案例代码：

# 原子表：
#[xyz]提取原子表其中一个元素 如果在原子表中出现^即非的意思（[^abc]）
string = "taoyunj i51468525aoyubaidu"
# 几个\d几个数字
data = "tao[xyz]un"
data1= "tao[yun]"
ret =re.search(data,string)
ret1=re.search(data1,string)
print(ret,ret1)
# print(ret1)

④的运行结果：