PYTHON网络爬虫与信息提取[正则表达式的使用](单元七)
正则表达式由字符和操作符构成
. 表示任何单个字符
[]字符集,对单个字符给出取值范围 [abc]或者关系 [a-z]表示
[^abc]表示非这里面的东西 非字符集
* 表示星号之前的字符出现0次或者无限次扩展
+ 表示星号之前的字符出现一次或者无限次扩展
? 表示出现0次或1扩展
| 表示左右表达式人取其一 abc|def
---------------------------------------------------------------------
{m} 扩展前一个字符m次 ab{2}c abbc
{m,n}扩展前一个字符m-n 次 ab{1,2}c 表示 abc abbc
{:3} 零到三次
^ 匹配字符串开头: ^abc 表示abc且在一个字符串的开头
$ 匹配字符串的结尾 abc$ 表示bac切abc在一个字符串的结尾
()分组标记 内部只能使用 |
\d 等价于[0-9]
\w 等价于字符[A-Za-z0-9]
----------------------------------------------------------------------
经典正则表达式
^[A-Za-z]+$ 由26个字母组成的表达式
^[A-Za-z0-9]+$ 由字母与数字构成的字符串
^-?\d+$ 匹配任何整数
^[1-9]*[0-9][0-9]*$ 表示正整数的字符串
[1-9]\d{5} 6位邮政编码的正则表达式
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|\d{4}-\d{7} 匹配国内电话号码
\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}. 匹配ip地址
re.search() 在一个字符串中搜索匹配正则表达式的第一个位置,返回metch对象
re.match() 在一个字符串的开始位置起匹配正则表达式,返回match对象
re.findall() 搜索字符串,以列表形式返回所有能匹配的字符串
re.split() 将一个字符串按照正则表达式的匹配结果进行分割,返回一个列表
re.finditer() 搜索字符串,返回一个匹配结果的爹地啊类型,每个迭代元素是match象
re.sub() 替换所有匹配的字符串,返回一个字符串
详细使用说明
re.search(pattern,string,flags=0)
findall 函数参数和search 一样
finditer 同上
pattern 正则表达式
string 原始需要被匹配的字符串
flags 控制查找的标记
标记如下
re.I 忽略大小写
re.M 正则表达式的^操作符能够匹配给定字符串每一行的开始部分
re.S re.DOTALL 正则表达式的.匹配所有的字符 //默认匹配除换行符之外的所有字符
re.split(pattern,string,maxsplit=0,flags=0)
maxsplit 最大分割数,剩余部分作为整体显示出来 (匹配的部分去掉)
re.sub(pattern,repl,string,count=0,flags=0)
repl 替换原字符串的字符串 ,count 最大替换词数
re库的等价用法
rst=re.search(...) 一次性用法
re.compile(pattern,flags=0)
pat =re.compile('')
// pat 成为pattern 对象 可以多次使用
pat.search()
Match 对象类型
if match:
attribute:
.string 待匹配文本
.re 使用的pattern
.pos 匹配开始的位置
.enpos 匹配结束的位置
.group(0) 获得匹配后的字符串
group方法的其他用法如下
>>> m = re.match(r"(\w+) (\w+)", "Isaac Newton, physicist")
>>> m.group(0) # The entire match
'Isaac Newton'
>>> m.group(1) # The first parenthesized subgroup.
'Isaac'
>>> m.group(2) # The second parenthesized subgroup.
'Newton'
>>> m.group(1, 2) # Multiple arguments give us a tuple.
('Isaac', 'Newton')
.start() 匹配字符串在原始字符串的开始位置
.end() 匹配字符串在原始字符串的结束位置
.span 返回(.start(),.end()) //tuple
贪婪匹配和最小匹配
match=re.saerch(r'PY.*N','PYANBNCNDN')
match.group(0)
匹配长短不同时
默认采用贪婪匹配的方式,即找到最长的符合条件的最长子串
match=re.saerch(r'PY.*?N','PYANBNCNDN')
match.group(0)
*后面加一个?即匹配符合条件的最小的匹配
最小匹配操作符(有操作符可以匹配不同长度时)
*?
+?
??
{m,n}?
正则表达式还是要反斜杠注释的 \\
r'\"view_price\"\:\"[\d\.]*\"'
.":都要注释
{0:^10}
0是format第0个元素,‘排名’
:是引导符号
^是居中对齐
10是槽的设定输出宽度
其余类似
PYTHON网络爬虫与信息提取[正则表达式的使用](单元七)的更多相关文章
- PYTHON网络爬虫与信息提取[scrapy框架应用](单元十、十一)
scrapy 常用命令 startproject 创建一个新的工程 scrapy startproject <name>[dir] genspider 创建一个爬虫 ...
- Python网络爬虫与信息提取
1.Requests库入门 Requests安装 用管理员身份打开命令提示符: pip install requests 测试:打开IDLE: >>> import requests ...
- 第3次作业-MOOC学习笔记:Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 4.提供图片或网站显示的学习进 ...
- 第三次作业-MOOC学习笔记:Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 第一周 Requests库的爬 ...
- 第三次作业-Python网络爬虫与信息提取
1.注册中国大学MOOC 2.选择北京理工大学嵩天老师的<Python网络爬虫与信息提取>MOOC课程 3.学习完成第0周至第4周的课程内容,并完成各周作业 过程. 5.写一篇不少于100 ...
- Python网络爬虫与信息提取笔记
直接复制粘贴笔记发现有问题 文档下载地址//download.csdn.net/download/hide_on_rush/12266493 掌握定向网络数据爬取和网页解析的基本能力常用的 Pytho ...
- 【学习笔记】PYTHON网络爬虫与信息提取(北理工 嵩天)
学习目的:掌握定向网络数据爬取和网页解析的基本能力the Website is the API- 1 python ide 文本ide:IDLE,Sublime Text集成ide:Pychar ...
- Python网络爬虫与信息提取(一)
学习 北京理工大学 嵩天 课程笔记 课程体系结构: 1.Requests框架:自动爬取HTML页面与自动网络请求提交 2.robots.txt:网络爬虫排除标准 3.BeautifulSoup框架:解 ...
- Python网络爬虫与信息提取(三)—— Re模块
regular expression / regex / RE 正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配.Python 自1.5版本起增加了re 模块,它提供 ...
随机推荐
- [Bzoj3696]化合物【暴力+树形Dp】
Online Judge:Bzoj3696 Label:暴力,树形Dp 题目描述 首长NOI惨跪,于是去念文化课了.现在,他面对一道化学题. 这题的来源是因为在一个奇怪的学校两个化竞党在玩一个奇怪的博 ...
- 浪潮云+/云加 App 智能化的企业移动办公平台官网下载地址
上Google?Facebook? 点这里: 手机端:https://ecm.inspur.com/ 桌面端:https://ecm.inspuronline.com/
- Innodb_buffer_pool_read
> show status like 'Innodb_buffer_pool_read_%'; +---------------------------------------+-------- ...
- php 网页内容抓取
最近抓的2个网站内容的代码 列表页抓取:第一种使用phpquery插件,可以快速获取,第二种它是api,所以直接获取 load_third("phpQuery.php"); /** ...
- MySQL命令行本地登陆,远程登陆MySQL 的快捷键
1.进入Mysql的安装目录bin文件夹下 如默认路径: cd C:\Program Files\MySQL\MySQL Server 8.0\bin 2.本地登录MySQL 命令:mysql -u ...
- 19-10-15-W
暴力终于不跪了$\text{QvQ}$ z总j结 考试开始看到几个大字:Day1 Happy-(××终于不用爆〇了哈哈哈哈!!) 开T1.一看,不是在线仙人球嵌套动态网络路径剖分优化的分支定界贪心剪枝 ...
- 简单的选项卡制作(原生JS)
<!doctype html> <html> <head> <meta charset="utf-8"> <title> ...
- 作业test
views Car <template> <div class="car"> <Nav/> <div class="wrap&q ...
- Mybatis编写初始化Dao代码
第一步:创建User实体类(POJO) package com.xu.pojo; import java.util.Date; /** * * @author 徐亮亮 * Title: User * ...
- [mybatis]Example的用法 标签: mybatis 2017-05-21 21:46 651人阅读 评论(11)
Example类是什么? Example类指定如何构建一个动态的where子句. 表中的每个non-BLOB列可以被包括在where子句中. 例子是展示此类用法的最好方式. Example类可以用来生 ...