python爬虫正则表达式实例-python爬虫学习三:python正则表达式
python爬虫学习三:python正则表达式
1、正则表达式基础
a、正则表达式的大致匹配过程:
1、依次拿出表达式和文本中的字符比较
2、如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。
3、如果表达式中有量词或边界,这个过程会稍微有些不同。
b、正则表达式语法学习(参考网页吧)
2、re模块
python通过模块提供正则表达式的支持。使用re的一般步骤是:
s1、先将正则表达式的字符串形式编译成Pattern实例;
s2、然后使用Pattern实例处理文本并获得匹配结果(一个Match实例);
s3、最后使用Match实例获取信息,进行其他操作。
a、Compile
re.Compile(strPattern[,flag]):
这个方法是Pattern类的工厂方法,用于将字符串形式的正则表达式编译为Pattern对象。
flag参数是匹配模式,取值可以使用按位或运算符"|"表示同时生效,比如re.re.M.
flag的可选值有:
re.I:忽略大小写
re.M:多行模式
re.S:点任意匹配模式
re.L:
re.U:
re.X:详细模式
b、Match
Match对象是一次匹配的结果,包含了很多关于此次匹配的信息,可以使用Match提供的可读
属性或方法来获取这些信息。
属性:
string:匹配时使用的文本。
re:匹配时使用的Pattern对象。
pos:文本中正则表达式开始搜索的索引。
endpoe:结束搜索的索引
lastindex:最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组,将为None。
lastgroup:最后一个被捕获的分组的别名。如没有,则为None。
方法:
group([group1,....]):
获得一个或多个分组截获的字符串;指定多个参数时将以元组的形式返回。不写参数时返回group(0).
groups([default]):
以元组的形式返回全部分组截获的字符串。
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值得字典,没有别名的组不包含在内。
start([group]):
返回指定的组截获的子串在string中的起始索引(子串第一个字符的索引)。
end([group]):
返回指定的组截获的子串在string中的结束索引(子串最后一个字符的索引+1)。
span([group]):
返回(stat(group),end(group))。
expand(template):
将匹配到的分组代入template中然后返回。
c、Pattern
Pattern对象是一个编译好的正则表达式,通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化,必须使用re.compile()进行构造,也就是re.compile()返回的对象。
Pattern提供了几个可读属性用于获取表达式的相关信息:
pattern:编译时用的表达式字符串
flags:编译时用的匹配模式,数字形式。
groups:表达式中分组的数量。
groupindex:以表达式中有别名的组的别名为键、以该组对应的编号为值,没有别的别名的组不包含在内。
3、一些Pattern的实例方法:
a、match方法:返回一个match对象
b、search方法:返回一个match对象
c、spilt方法:按照能够匹配的子串将string进行分割后返回列表。
d、findall方法:以列表返回全部能够匹配的子串。
e、finditer方法:返回一个顺序方位每一个匹配结果的迭代器。
f、sub方法:sub(repl,string):使用repl替换string的每一个匹配的子串后返回替换后的字符串。
python爬虫正则表达式实例-python爬虫学习三:python正则表达式相关推荐
- python scrapy教程实例_爬虫框架Scrapy的第一个爬虫示例入门教程
原标题:爬虫框架Scrapy的第一个爬虫示例入门教程 我们使用dmoz.org这个网站来作为小抓抓一展身手的对象. 首先先要回答一个问题. 问:把网站装进爬虫里,总共分几步? 答案很简单,四步: 新建 ...
- python 网页版笔记_系统学习下python网络爬虫 笔记一
系统学习下python网络爬虫的知识 1.爬虫的定义 Web Spider,把互联网定义为一个蜘蛛网,网络蜘蛛通过网页的链接地址来寻找网页. 具体过程:从网站的某一个网页(通常是首页)开始,读取网页的 ...
- python爬虫五大实例,爬虫初始与PyCharm安装
一:腾讯动漫爬虫代码 import requests from fake_useragent import UserAgent import re import threadingdef replac ...
- python实例代码爬虫_Python实例教程爬虫从网络上下载文档的实例代码
Python实例教程爬虫从网络上下载文档的实例代码 来源:中文源码网 浏览: 次 日期:2018年8月30日 [下载文档: Python实例教程爬虫从网络上下载文档的实例代码.txt ] ...
- python爬虫应用实例_Python爬虫进阶必备 | 一个典型的 AES 加密在爬虫中的应用案例...
一个典型的AES案例 AES 的案例之前有推荐大家关于 AES 加密的案例文章,不少朋友问我加密解决了有什么用? 最大的用途当然就是不用模拟请求,大大提高了爬取效率. 可能之前举例都是使用的 AES ...
- python零基础实例-零基础学习Python开发练习100题实例(1)
零基础学习Python开发练习100题实例(1) 2018-02-25 09:37:59 2864浏览 1.题目:有四个数字:1.2.3.4,能组成多少个互不相同且无重复数字的三位数?各是多少? 程序 ...
- python有什么作用-大数据学习之python语言有什么作用?
很多人选择学习大数据的时候,首先是要选择合适的开发语言入门,尤其是数据分析这个岗位,很多人选择python语言入门,本文由科多大数据的老师整理,细数python语言的应用领域,辅助各位认识了解pyth ...
- python语言通俗理解_慢步学习,python语言编程,来扯扯语言的学习理解
最近慢步工作比较忙,有那么一丢丢挫伤了学习的积极性.积极性受挫的另一个原因是,慢步对自己给读者提供的内容有些困惑,"我能提供什么有价值的内容?" 不断重复书籍的知识点,好像并不能生 ...
- python写软件实例-30分钟学会用Python编写简单程序
原标题:30分钟学会用Python编写简单程序 参与文末每日话题讨论,赠送异步新书 异步图书君 学习目标 知道有序的软件开发过程的步骤. 了解遵循输入.处理.输出(IPO)模式的程序,并能够以简单的方 ...
- python脚本编程实例_面向ArcGIS的Python脚本编程.pdf
[实例简介] 面向ArcGIS的Python脚本编程,最实用的教程. 面向ArcGIS的Python脚本编程,最实用的教程. 面向ArcGIS的Python脚本编程,最实用的教程. 目录 第一部分Py ...
最新文章
- 小明分享|分享8ms平台sigmastar SSD201/SSD202 开源框架的github
- 如何將Clonezilla live放到一個已經有其他作業系統存在的硬碟中
- php日期时间代码,PHP日期计算
- BZOJ4596:[SHOI2016]黑暗前的幻想乡——题解
- react ant design路由配置
- mysql limit asc_MySql sql优化之order by desc/asc limit M-阿里云开发者社区
- JavaScript 打印结果时多出一个undefined/出现undefined
- golang 两个一样的字符串不相等_分享一个姑娘双眼皮术后两个眼睛有点不一样,不知道该不该修复?...
- python下载以后在哪找_Python下载要保存到哪
- Linux vgchange 命令
- java因子分析_spss因子分析
- Java面向对象编程(第2版)pdf
- Spotfire 对 列 数据进行自定义排序
- 深踩 AndroidStudio 缓存的坑
- linux内核zfs,Linus Torvalds回应用户抱怨:不建议使用 ZFS On Linux
- 心情好些了,发现自己还是适合专注科研
- SQL取整与时间差值返回
- 字符串操作——substr用法
- Go语言自学系列 | golang中的if语句
- springboot启动源码分析3-环境配置