【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,