Python crawler learning (6) Introducción a la biblioteca de expresiones regulares Re

(6) Introducción a la biblioteca Re (expresión regular)

(1) Definición básica

• Expresión regular, regex, RE
• Las expresiones regulares son expresiones que se usan para expresar de manera concisa un conjunto de cadenas
• Las expresiones regulares son una herramienta para expresar las ideas de "concisión" y "características" para cadenas
• Las expresiones regulares se pueden usar para determinar el atributo de una cadena

(2) función

• Característica del tipo de texto (virus, intrusión, etc.)
• Encuentra o reemplaza un conjunto de cadenas al mismo tiempo
• Hacer coincidir todo o parte de la cadena (aplicación más importante)

(3) Gramática

• Las expresiones regulares consisten en caracteres y operadores.

1. Operadores de uso común

2. Ejemplos de gramática

3. Ejemplos clásicos

4. Dirección IP coincidente de expresión regular

(4) Re biblioteca

1.Re introducción a la biblioteca

• Re library es la biblioteca estándar de Python, utilizada principalmente para la coincidencia de cadenas
• importar re

2. Tipo de representación

• tipo de cadena sin formato (tipo de cadena nativa)
• tipo de cadena (más tedioso)
• Recomendación: cuando las expresiones regulares contienen caracteres de escape, use una cadena sin formato

# r'text'格式
r'[1-9]\d{5}'
r'\d{3}-\d{8}|\d{4}-\d{7}

# string格式
r'[1-9]\\d{5}'
r'\\d{3}-\\d{8}|\\d{4}-\\d{7}

3. Funciones principales de la biblioteca Re

import re
#pattern : 正则表达式的字符串或原生字符串表达 
#repl    : 替换匹配字符串的字符串
#string  : 待匹配字符串
#count   : 匹配的最大替换次数
#maxsplit: 最大分割数，剩余部分作为最后一个元素输出
#flags	  : 正则表达式使用时的控制标记  ///下附常用标记说明

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

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

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

re.split(pattern, string, maxsplit=0, flags=0)

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

re.sub(pattern, repl, string, count=0, flags=0)

#Re库的等价用法

#函数式用法：一次性操作
rst = re.search(r'[1-9]\d{5}', 'BIT 100081')
#面向对象用法：编译后的多次操作
regex = re.compile(r'[1-9]\d{5}')
rst = regex.search('BIT 100081')

#将正则表达式的字符串形式编译成正则表达式对象
regex = re.compile(pattern, flags=0)

4. Volver a buscar el objeto Match

• El objeto Match es el resultado de una coincidencia y contiene mucha información coincidente.

1> Hacer coincidir las propiedades del objeto

2> Método de objeto de coincidencia

3> Instancia de objeto de coincidencia

5. Emparejamiento codicioso y emparejamiento mínimo de la biblioteca Re

• Haga coincidir varios elementos de diferentes longitudes al mismo tiempo, ¿cuál se devuelve?

1. Emparejamiento codicioso

• La biblioteca Re utiliza la coincidencia codiciosa de forma predeterminada, lo que significa que la salida coincide con la subcadena más larga

2. Partido mínimo

• ¿Cómo generar la subcadena más corta?
• Siempre que la salida de longitud pueda ser diferente, se puede cambiar a la coincidencia más pequeña agregando? Después del operador