python爬虫学习之路(3)——正则表达式（笔记）

定义

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的特定字符组成一个规则字符串，这个规则字符串用来表达对目标字符串的一种过滤逻辑。

注意

正则表达式字符串需要经过两次转义，这两次转义分别是“字符串转义”和正则转义。

常见正则字符与含义

模式	描述	模式	描述
.	匹配任意字符，除换行符	\s	匹配空白字符
*	匹配前一个字符0次或多次	\S	匹配任何非空白字符
+	匹配前一个字符1次或多次	\d	匹配数字，等价与[0-9]
?	匹配前一个字符0次或1次	\D	匹配任何非数字，等价于[^0-9]
^	从字符串开头匹配	\w	匹配任何字母数字，等价于[A-Za-z0-9]
$	到字符串末尾结束	\W	匹配非字母数字，等价与[^A-Za-z0-9]
()	匹配括号内的表达式，也表示一个组	[]	用来表示以组字符

Python正则表达式的方法

re.match()方法

定义

从字符串起始位置匹配一个你定义好的模型，如果起始位置没有，则返回None

语法

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

参数解释：

• pattern：正则模型
• string：要匹配的字符串
• flags：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
  match()方法只能从字符串的起始位置开始匹配。
  举例：

import re
m = re.match('love','i love python')
#返回的是none

因为在字符串’i love python’的起始位置没有’love’，也可以说因为字符串起始字符是i,而不是l，所以从一开始就是匹配不到。如果就是想用怎么办？

使用正则字符——’.’

m = re.match('.love','i love python')

re.search()方法

定义

扫描整个字符串，并且返回第一个成功匹配

import re 
m_match = re.match('com','www.nihao.com')
m_search = re.search('com','www.nihao.com')
print(m_match) --->none
print(m_search) ---><_sre.SRE_Match object; span=(10, 13), match='com'>

re.findall()方法

定义

扫描整个字符串，找到所有匹配项,并且以列表的形式返回

import re
m_findall = re.findall('[0-9]+','12345 is the first number,24680 is the second number')
print(m_findall) ---> ['12345','24680']

正则表达式学习网址

http://regex101.com/

几个正则方法：

start()：返回匹配字符串的起始索引

end()：返回匹配字符串的结束索引

group()<==>group(0):返回匹配的所有结果

group(1)：列出第一个匹配项

正则表达式的学习还是需要通过不断的练习，应该找几个刷题的网站不断实战，否则学了就忘。