【python爬虫专项（13）】正则表达式（3）—— 字符搜索、替换与分割

字符搜索

前面进行字符串的匹配都是使用的re.match()方法，此方法的不方便的地方在于，每次匹配都是从开头进行的，要想找到里面的某个元素需要前面加上 .* ,有没有扫描全部的字符串而判断元素是否存在的方式呢？re.search()就可以上场了

1）re.search(pattern, string, flags=0) → 扫描整个字符串并返回第一个成功的匹配

参数
        pattern：匹配的正则表达式
        string：要匹配的字符串。
        flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

返回结果 - 和re.match()一致
        匹配成功re.match方法返回一个匹配的对象，否则返回None。
        可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式
        通过span()方法用于以元祖形式返回匹配的起始位置和结束位置

re.match与re.search的区别
        re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配

示例

2）findall(pattern, string, flags=0) → 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表

参数
        pattern：匹配的正则表达式
        string：要匹配的字符串。
        flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

示例

字符替换

re.sub(pattern, repl, string, count=0, flags=0) → 替换字符串中的匹配项

参数
        pattern : 正则中的模式字符串。
        repl : 替换的字符串，也可为一个函数。
        string : 要被查找替换的原始字符串。
        count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。
        flags : 编译时用的匹配模式，数字形式

示例
★★★相比于replace()，可以模糊匹配字符然后替换（等同于re.findall()返回的列表然后只用.join()的方法进行连接）

字符分割

re.split(pattern, string[, maxsplit=0, flags=0]) → 按照能够匹配的子串将字符串分割后返回列表

参数
        pattern 匹配的正则表达式
        string 要匹配的字符串。
        maxsplit 分隔次数，maxsplit=1 分隔一次，默认为 0，不限制次数。
        flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等

示例

延伸讲一下，关于提取特殊信息

学习了正则表达式之后，对于要提取的数据，可以有多种的方式进行数据的提取，