python日记Day22——网络爬虫之Re库

python日记——网络爬虫之Re库

• 正则表达式
  1、概念：
  正则表达式，regular expression，是用来简洁表达一组字符串的表达式
  2、优势：
  一行胜千言，无穷字符串组的简洁表达
  3、应用：
  最主要应用在字符串匹配中
  4、语法：
  正则表达式语法由字符和操作符构成
  （1）常用操作符：
  
  
  （2）实例：
  
  （3）经典正则表达式：
  
• Re库的基本使用
  1、re库是Python的标准库，主要用于字符串匹配
  2、re库采用raw string类型（原生字符串类型）表示正则表达式，表示为：r’text’，例如： r’[1‐9]\d{5}’
  3、re库主要函数：
  
  re.search/match/findall/finditer(pattern, string, flags=0)
  re.split(pattern, string, maxsplit=0, flags=0)
  re.sub(pattern, repl, string, count=0, flags=0)
  参数详解：
  ∙ count : 匹配的最大替换次数
  ∙ repl : 替换匹配字符串的字符串
  ∙ maxsplit: 最大分割数，剩余部分作为最后一个元素输出
  ∙ pattern : 正则表达式的字符串或原生字符串表示
  ∙ string : 待匹配字符串
  ∙ flags : 正则表达式使用时的控制标记
  
  4、re库的一种等价用法
  将正则表达式的字符串形式编译成正则表达式对象，功能函数与函数式用法一致，只是少了 pattern参数
  
  
  5、Match对象
  （1）Match对象是一次匹配的结果，包含匹配的很多信息
  （2）Match对象的属性：
  
  （3）Match对象的方法：
  
  6、re库的贪婪匹配和最小匹配
  （1）re库默认采用贪婪匹配，即输出匹配最长的子串
  （2）最小匹配：
  只要长度输出可能不同的，都可以通过在操作符后增加?变成最小匹配
  

本文部分内容参考于北京理工大学嵩天老师相关课程