玩蛇网提供最新Python编程技术信息以及Python资源下载!
您现在的位置: 玩蛇网首页 > Python爬虫_Web网络爬虫_搜索引擎蜘蛛框架Spide > 正文内容

python爬虫正则表达式 一定要知道的by地瓜君

Python入门佳作 经典教程的全新修订 10个项目引人入胜
玩蛇网推荐图文教程:python黑客多线程扫描器

python爬虫正则表达式,本文原创自www.iplaypython.com玩蛇网会员:地瓜君同学

爬虫正则元字符

python爬虫正则表达式介绍,学习爬虫可能会是要做python 漏洞扫描,特别写个篇 文章给大家。T_T!!! 一起学习奥哈。因为自己学爬虫的时候遇到了正则表达式这个东西,当时觉得头好晕。请原谅一个文科生的逻辑思维。最近又仔细看了几遍,就把正则表达式的相关内容到这里填充一下。 今天说说元字符是什么东西。  

\     ^    $   *    +     .    |    ?    {}    []    ()         这就是元字符了,学会这些应该就够你用的了。

python中的正则表达式通过import re 来使用。  www.iplaypython.com python教程

1python爬虫正则表达式,[]  常用来指定一个字符集,如:[abc ]; [a-z] 里面所有的字母会被一一匹配   例子:
字符集匹配

面例子都解释的很清楚了,我就不重复一行行解释了。   注: 示例中^表示取反。

[a-z]表示 从字母a到z所有的字母。  

[0-9]等价于[0123456789] 也可以用\d 表示。   所有其它的元字符在[]中将失去原有的意义,比如示例中的^在[]表示取反。  

2,^ 表示匹配字符串的开头。在多行模式下匹配每一行的开头。

匹配字符串开头

注:^一般放在字符串开头  

3,$ 表示匹配字符串的结尾。在多行模式下匹配每一行的尾部。
匹配字符串结尾
注:$一般放在字符串结尾。  

上面三个可以看成一个小块,你记住了吗?理解了吗?看明白了吗?还有你自己敲一遍代码了吗?????!!!!一定自己尝试敲一遍代码!  

好接下来,继续   由于元字符是特殊字符,如果我们要匹配元字符本身的字符应该怎么办呢? 当我们想把元字符变为为普通符号是可以使用\(反斜杠)进行转义。

4,\反斜杠后面可以加不同的字符以表示特殊意义。 也可用于取消所有元字符,变为普通符号。

\d  匹配任何十进制数:相当于[0-9]  
\D 匹配任何非数字字符:相当于 [^0-9]
\s 匹配任何空白字符:相当于 [\t\n\r\f\v]
\S 匹配任何非空白字符:相当于 [^\t\n\r\f\v]
\w 匹配任何字母数字下划线字符:相当于[a-zA-Z0-9_]
\W 匹配任何非字母数字下划线字符:相当于[^a-zA-Z0-9_]    

你只要能记住加黑加粗的其它的我打赌你肯定也全会了。所以记住加粗的,自己把下面的代码敲一遍。 示例

匹配

正则表达式可以匹配不定长的字符集,另外也可以指定字符串的重复次数。

* (星号) 指定前一个字符可以匹配0次或者多次,而不是只有1次,匹配结果会尽可能的重复多次最大不超过20亿次。(后面若加问号?变为非贪婪模式仅匹配0次:ab*? 结果为a)
+ (加号)   匹配前一个字符1次或者多次。(后面若加问号?变为非贪婪模式仅匹配1次:ab+? 结果为ab)
? (问号) 匹配前一个字符0次或者1次。(后面若加问号?变为非贪婪模式仅匹配0次:ab?? 结果为a) ?可以是python原本的贪婪模式变为非贪婪模式。  
{m} (花括号) m是数字,表示重复前一个字符m次。
{m,n} 表示重复前一个字符m-n次。若省略m则表示0-n次,若省略n表示m到无限次。(后面若加问号?变为非贪婪模式仅匹配0次:ab{2,100}? 结果为abb)
python正则匹配

下面是个三个元字符。这三个在爬虫的正则表达式中常被用到,请爱它们。   

()  |  .   . 它匹配除了换行字符外的任何字符,在 alternate 模式(re.DOTALL)下它甚至可以匹配换行  
| 代表左右表达式任意匹配一个。a|b 匹配a或者匹配b 。   如果没有被(...)括起来它的范围是整个正则表达式。  
(...) 将正则表达式分组,每个分组为一个整体,将优先返回分组内的数据。   接下来我们来匹配一个玩蛇网的title html代码
<meta http-equiv="Content-Type" content="text/html; charset=gbk" /> <title>玩蛇网论坛-Python编程开发主题学习社区 -  Powered by Discuz!</title> <meta name="keywords" content="玩蛇网论坛-Python编程开发主题学习社区" />
玩蛇网正则匹配

匹配两个值

本文原创自www.iplaypython.com玩蛇网会员:地瓜君同学 

玩蛇网文章,转载请注明出处和来源网址:http://www.iplaypython.com/crawler/248.html



微信公众号搜索"玩蛇网Python之家"加关注,每日最新的Python资讯、图文视频教程可以让你一手全掌握。强烈推荐关注!

微信扫描下图可直接关注

玩蛇网PythonQQ群,欢迎加入: ① 240764603 玩蛇网Python新手群
出炉日期:2016-01-31 15:57 玩蛇网 www.iplaypython.com

我要分享到:
评论列表(网友评论仅供网友表达个人看法,并不表明本站同意其观点或证实其描述)

必知PYTHON教程 Must Know PYTHON Tutorials

必知PYTHON模块 Must Know PYTHON Modules