一、基础一
全局匹配函数使用格式：re.compile(正则表达式).findall(源字符串)
普通字符:正常匹配
- \n: 匹配换行符
- \t: 匹配制表符
- \w: 匹配字母、数字、下划线
- \W: 匹配除字母、数字、下划线
- \d: 匹配十进制数字
- \D: 匹配除十进制数字
- \s: 匹配空白字符
- \S: 匹配除空白字符
- [ab89x]: 原子表，匹配ab89x中的任意一个
- [^ab89x]: 原子表，匹配除ab89x以外的任意一个字符
实例：
1.源字符串：”aliyunedu”
正则表达式：”yu”
匹配结果：yu
示例函数：
>>> import re >>> string="aliyunedu" >>> pat="yu" >>> re.compile(pat).findall(string) ['yu']
2.源字符串：”aliyun
edu”
正则表达式：”yun\n”
匹配结果：yun\n
3.源字符串：”aliyu89787nedu”
正则表达式：”\w\d\w\d\d\w”
匹配结果：u89787
4.源字符串：”aliyun89787nedu”
正则表达式：”\w\d[nedu]\w”
匹配结果：87ne
二、基础二
字符 正常匹配
- . 匹配除换行外任意一个字符
- ^ 匹配开始位置
- $ 匹配结束位置
- * 前一个字符出现0\1\多次
- ？前一个字符出现0\1次
- + 前一个字符出现1\多次
- {n} 前一个字符恰好出现n次
- {n,m} 前一个字符至少出现n次，至多m次
- | 模式选择符或
- () 模式单元，通俗来说就是，想提取出什么内容，就在正则中用小括号将其括起来
实例
源字符串：”aliyunnnnnji87362387aoyubaidu”
1.正则表达式：”ali…”
匹配结果：aliyun
2.正则表达式：”^li…”
匹配结果：None
3.正则表达式：”^ali…”
匹配结果：aliyun
4.正则表达式：”bai..$”
匹配结果：baidu
5.正则表达式：”ali.*”
匹配结果：aliyunnnnnji87362387aoyubaidu
Tips: 默认贪婪，即默认尽可能多地进行匹配
6.正则表达式：”aliyun+”
匹配结果：aliyunnnn
7.正则表达式：”aliyun?”
匹配结果：aliyun
8.正则表达式：”yun{1,2}”
匹配结果：yunn
9.正则表达式：”^al(i…)”
匹配结果：iyun
三、基础三
贪婪模式：尽可能多地匹配
懒惰模式：尽可能少地匹配，精准模式
默认贪婪模式：如果出现组合*？和+？,则代表懒惰模式；
实例：
源字符串：”poypthonyhjskjsa”
1.正则表达式：”p.*y”
匹配结果：poypthony
note: 默认贪婪模式
2.正则表达式：”p.*?y”
匹配结果：[‘poy’,’pthony’]
四、基础四
模式修正符：在不改变正则表达式的情况下通过模式修正符使匹配结果发生更改
re.S : 让”.”也可以匹配多行
re.I ：让匹配时忽略大小写
实例：
源字符串：”Python”
正则表达式：”pyt”
匹配方式：re.compile(“pyt”).findall(“Python”)
匹配结果：[]
源字符串：”Python”
正则表达式：”pyt”
匹配方式：re.compile(“pyt”).findall(“Python”)
匹配结果：Pyt
源字符串：string=”””我是阿里云大学
欢迎来学习
Python网络爬虫课程”””
正则表达式：pat=”阿里.*?Python”
匹配方式：re.compile(pat,re.S).findall(string)
匹配结果：[‘阿里云大学\n欢迎来学习\nPython’]
XPath表达式
除了正则表达式外，还有一些非常耗用的信息筛选工具，比如XPath表达式、Beautiful Soup等，如下介绍XPath表达式：
- / –> 逐层提取
- test() –> 提取标签下面的文本
- //标签名** –> 提取所有名为**的标签
- //标签名[@属性=’属性值’] –> 提取属性为XX的标签
- @属性名 –> 代表去某个属性值
评论前必须登录！
注册