Python 正则表达式

Python 171 2017-09-24 08:32
Python 正则表达式-JEESNS
图片来自 unsplash

我们能够使用 urllib 向网页请求并获取其网页数据。但是抓取信息数据量比较大,我们可能需要其中一小部分数据。对付刚才的难题,就需要正则表达式出马了。正则表达式能帮助我们匹配过滤到我们需要的数据,但它学习起来非常枯燥无味。你可能会说,我还没有开始想学习正则表达式,你就来打击我? 莫慌!层层递进地学习,一步一个脚印地学习,很快就会学会了。对于爬虫,我觉得学会最基本的符号就差不多了。

1 正则表达式

下面是一张关于正则表达式字符的图,图片资料来自CSDN。先把图中字符了解清楚,基本上算是入门。


Python 正则表达式-JEESNS

2 re 模块

Python 自1.5版本起通过新增 re (Regular Expression 正则表达式)模块来提供对正则表达式的支持。使用 re 模块先将正则表达式填充到 Pattern 对象中,再把 Pattern 对象作为参数使用 match 方法去匹配的字符串文本。match 方法会返回一个 Match 对象,再通过 Match 对象会得到我们的信息并进行操作。下面介绍几个 re 常用的函数。

2.1 compile 函数

compile 是把正则表达式的模式和标识转化成正则表达式对象,供 match() 和 search() 这两个函数使用。它的函数语法如下:

re.compile(pattern[, flags])
  • 第一个参数是pattern,指的正则表达式。
  • 第二个参数flags是匹配模式,是个可选参数。可以使用按位或'|'表示同时生效,也可以在正则表达式字符串中指定。匹配模式有以下几种:
flag 描述
re.I(全拼:IGNORECASE) 忽略大小写(括号内是完整写法,下同)
re.M(全拼:MULTILINE) 多行模式,改变'^'和'$'的行为(参见上图)
re.S(全拼:DOTALL) 点任意匹配模式,改变'.'的行为
re.L(全拼:LOCALE) 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
re.U(全拼:UNICODE) 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
re.X(全拼:VERBOSE) 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释。
  • 该方法返回的结果是一个 Pattern 对象。

2.2 match 函数

match()函数只在字符串的开始位置尝试匹配正则表达式,也就是说只有在 0 位置匹配成功的话才有返回。如果不是开始位置匹配成功的话,match() 就返回 none。它的函数语法如下:

re.match(pattern, string[, flags])
  • 第一个参数:匹配的正则表达式
  • 第二个参数:要被匹配的字符串
  • flags 是可选参数,跟 compile 用法相似
  • 匹配成功 re.match 方法返回一个匹配的对象,否则返回None。要想获得匹配结果,既可以使用groups()函数获取一个包含所有字符串的元组(从 1 到 所含的小组号),也可以使用group(组号)函数获取某个组号的字符串。

match 函数用法的示例代码:

import re

pattern = re.compile('Python')
text = 'Python python pythonn'
match = re.search(pattern, text)
if match:
    print(match.group())
else:
    print('没有匹配')

2.3 search 函数

search() 函数是扫描整个字符串来查找匹配,它返回结果是第一个成功匹配的字符串。

re.search(pattern, string[, flags])

参数用法以及返回结果跟match函数用法相同。

search 函数用法的示例代码:

import re

pattern = re.compile('Python')
text = 'welcome to Python world!'
match = re.search(pattern, text)
if match:
    print(match.group())
else:
    print('没有匹配')

2.4 findall 函数

findall函数在字符串中搜索子串,并以列表形式返回全部能匹配的所有子串。

re.findall(pattern, string[, flags])

参数用法以及返回结果跟match函数用法相同。

findall 函数用法的示例代码:

import re

pattern = re.compile('\d+')
text = 'one1two2three3four4'
list = re.findall(pattern, text)
if list:
    print(list)
else:
    print('没有匹配')

Python 正则表达式-JEESNS
扫描关注个人公众号:极客猴
文章评论