python日記Day22——網絡爬蟲之Re庫

python日記——網絡爬蟲之Re庫

• 正則表達式
  1、概念：
  正則表達式，regular expression，是用來簡潔表達一組字符串的表達式
  2、優勢：
  一行勝千言，無窮字符串組的簡潔表達
  3、應用：
  最主要應用在字符串匹配中
  4、語法：
  正則表達式語法由字符和操作符構成
  （1）常用操作符：
  
  
  （2）實例：
  
  （3）經典正則表達式：
  
• Re庫的基本使用
  1、re庫是Python的標準庫，主要用於字符串匹配
  2、re庫採用raw string類型（原生字符串類型）表示正則表達式，表示爲：r’text’，例如： r’[1‐9]\d{5}’
  3、re庫主要函數：
  
  re.search/match/findall/finditer(pattern, string, flags=0)
  re.split(pattern, string, maxsplit=0, flags=0)
  re.sub(pattern, repl, string, count=0, flags=0)
  參數詳解：
  ∙ count : 匹配的最大替換次數
  ∙ repl : 替換匹配字符串的字符串
  ∙ maxsplit: 最大分割數，剩餘部分作爲最後一個元素輸出
  ∙ pattern : 正則表達式的字符串或原生字符串表示
  ∙ string : 待匹配字符串
  ∙ flags : 正則表達式使用時的控制標記
  
  4、re庫的一種等價用法
  將正則表達式的字符串形式編譯成正則表達式對象，功能函數與函數式用法一致，只是少了 pattern參數
  
  
  5、Match對象
  （1）Match對象是一次匹配的結果，包含匹配的很多信息
  （2）Match對象的屬性：
  
  （3）Match對象的方法：
  
  6、re庫的貪婪匹配和最小匹配
  （1）re庫默認採用貪婪匹配，即輸出匹配最長的子串
  （2）最小匹配：
  只要長度輸出可能不同的，都可以通過在操作符後增加?變成最小匹配
  

本文部分內容參考於北京理工大學嵩天老師相關課程