Python網路爬蟲的正則表示式的總結

正則表示式是一個特殊的字元序列，它能幫助你方便的檢查一個字串是否與某種模式匹配。

re 模組使 Python 語言擁有全部的正則表示式功能。即在Python中匯入re模組：import re

compile 函式根據一個模式字串和可選的標誌引數生成一個正則表示式物件。該物件擁有一系列方法用於正則表示式匹配和替換。

re.match函式

re.match 嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配不成功的話，match()就返回none。

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

result=re.match('www', 'www.runoob.com')
result1=re.match('www.run', 'www.runoob.com').span()
print(result,result1)

輸入：<_sre.SRE_Match object; span=(0, 3), match='www'> (0, 7)

re.search方法

re.search 掃描整個字串並返回第一個成功的匹配

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

 Python 的 re 模組提供了re.sub用於替換字串中的匹配項。

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

• pattern : 正則中的模式字串。
• repl : 替換的字串，也可為一個函式。
• string : 要被查詢替換的原始字串。
• count : 模式匹配後替換的最大次數，預設 0 表示替換所有的匹配

re.compile 函式

compile 函式用於編譯正則表示式，生成一個正則表示式（ Pattern ）物件，供 match() 和 search() 這兩個函式使用。

result3=re.compile(pattern1,re.I).findall(string)

pattern : 一個字串形式的正則表示式

string: 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體引數為：

          re.I 忽略大小寫

          re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴於當前環境

          re.M 多行模式

          re.S 即為 . 並且包括換行符在內的任意字元（. 不包括換行符）

          re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴於 Unicode 字元屬性資料庫

          re.X 為了增加可讀性，忽略空格和 # 後面的註釋

re.finditer（） 函式

和 findall 類似，在字串中找到正則表示式所匹配的所有子串，並把它們作為一個迭代器返回。

it = re.finditer(r"\d+","12a32bc43jf3")

for match in it:

          print (match.group() )

          12
          32
          43
          3

re.split（） 函式

split 方法按照能夠匹配的子串將字串分割後返回列表，它的使用形式如下：

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

正則表示式修飾符 - 可選標誌

正則表示式可以包含一些可選標誌修飾符來控制匹配的模式。修飾符被指定為一個可選的標誌。多個標誌可以通過按位 OR(|) 它們來指定。如 re.I | re.M 被設定成 I 和 M 標誌：

正則表示式模式

模式字串使用特殊的語法來表示一個正則表示式：

字母和數字表示他們自身。一個正則表示式模式中的字母和數字匹配同樣的字串。

多數字母和數字前加一個反斜槓時會擁有不同的含義。

標點符號只有被轉義時才匹配自身，否則它們表示特殊的含義。

反斜槓本身需要使用反斜槓轉義。

由於正則表示式通常都包含反斜槓，所以你最好使用原始字串來表示它們。模式元素(如 r'\t'，等價於 '\\t')匹配相應的特殊字元。

下表列出了正則表示式模式語法中的特殊元素。如果你使用模式的同時提供了可選的標誌引數，某些模式元素的含義會改變。