常用正则表达式

字符	描述
\d	代表任意数字，就是阿拉伯数字 0-9 这些玩意。
\D	大写的就是和小写的唱反调，\d 你代表的是任意数字是吧？那么我 \D 就代表不是数字的。
\w	代表字母，数字，下划线。也就是 a-z、A-Z、0-9、_。
\W	跟 \w 唱反调，代表不是字母，不是数字，不是下划线的。
\n	代表一个换行。
\r	代表一个回车。
\f	代表换页。
\t	代表一个 Tab 。
\s	代表所有的空白字符，也就是上面这个：\n、\r、\t、\f。
\S	跟 \s 唱反调，代表所有不是空白的字符。
\A	代表字符串的开始。
\Z	代表字符串的结束。
^	匹配字符串开始的位置。
$	匹配字符创结束的位置。
.	代表所有的单个字符，除了 \n \r
[…]	代表在 [] 范围内的字符，比如 [a-z] 就代表 a到z的字母
[^…]	跟 […] 唱反调，代表不在 [] 范围内的字符
{n}	匹配在 {n} 前面的东西，比如: o{2} 不能匹配 Bob 中的 o ，但是能匹配 food 中的两个o。
{n,m}	匹配在 {n,m} 前面的东西，比如：o{1,3} 将匹配“fooooood”中的前三个o。
{n，}	匹配在 {n,} 前面的东西，比如：o{2,} 不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。
*	和 {0,} 一个样，匹配 * 前面的 0 次或多次。比如 zo* 能匹配“z”、“zo”以及“zoo”。
+	和{1，} 一个样，匹配 + 前面 1 次或多次。比如 zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。
？	和{0,1} 一个样，匹配？前面 0 次或 1 次。
a	b
（）	匹配括号里面的内容。

re库

如果我们想要从
muyang has 100 bananas
拿到100这个数字我们就可以

import recontent = 'muyang has 100 bananas'
res = re.match('^mu.*(\d+)\s.*s$',content)
print(res.group(1))

()的意思表示我们需要的东西

那么如果我们想要 100 这个数字呢？

import recontent = 'muyang has 100 bananas'
res = re.match('^mu.*?(\d+)\s.*s$',content)
print(res.group(1))

看出有什么区别吗？

多了一个?
在这里呢,涉及到两个概念

一个是:贪婪匹配
另一个是:非贪婪匹配

所谓贪婪匹配

就是我们的第一段代码
一个数一个数都要去匹配
而非贪婪呢

我们是直接把 100 给匹配出来了

刚才我们用到了.*？

是我们在匹配过程中最常使用到的

表示的就是匹配任意字符
但是
.*？的 . 代表所有的单个字符，除了 \n \r
如果我们的字符串有换行了
怎么办呢？

比如这样

content = """muyang  has 100
bananas"""

直接用 re.S 就可以了

import recontent = """muyang has 100
bananas"""
res = re.match('^mu.*?(\d+)\s.*s$',content,re.S)
print(res.group(1))

re.search

它会直接去扫描字符串
然后把匹配成功的第一个结果的返回给你

import recontent = """muyang  has 100
bananas"""
res = re.search('mu.*?(\d+)\s.*s',content,re.S)
print(res.group(1))

这样我们可以获取到100

但是如果我们的内容是

content = """muyang has 100 bananas;
muyang   has 100 bananas;
muyang   has 100 bananas;
muyang has 100 bananas;"""

想要获取所有的 100 呢？

这时候就要用到 re 的另一个方法了

re.findall

通过它我们就能轻松的获取所有匹配的内容了

import recontent = """muyang has 100 bananas;
muyang has 100 bananas;
muyang has 100 bananas;
muyang has 100 bananas;"""
res = re.findall('mu.*?(\d+)\s.*?s;',content,re.S)
print(res)

教程地址

B站教程链接: https://www.bilibili.com/video/BV1gK4y1R7Ha?p=5.

python爬虫加群交流:820541914

2021最新《python爬虫从0-1》5.正则表达式讲解相关推荐

Python爬虫之豆瓣排行榜（正则表达式)
Python爬虫之豆瓣排行榜(正则表达式) 1. 项目目标使用Chrome浏览器打开网页https://maoyan.com/ ,切换到[榜单],[TOP100榜].本次项目就是要获取豆瓣排名Top ...
python爬虫防呆笔记：正则表达式篇之一
python爬虫笔记第一部分:正则表达式基本效果展示加载猫眼电影网的html文本作为训练文本这里先讲一下header,这里的header就写一项,不写就爬不出来,这一项是User-Agent, ...
硬核来袭！！！一篇文章教你入门Python爬虫网页解析神器——BeautifulSoup详细讲解
文章目录一.BeautifulSoup介绍二.安装三.bs4数据解析的原理四.bs4 常用的方法和属性 1.BeautifulSoup构建 1.1 通过字符串构建 1.2 从文件加载 2.Be ...
2019最新Python爬虫高频率面试题总结（一）
今天给大家出一个关于Python爬虫面试题的总结,相对于来说出现频率比较高的一些! 1. 为什么 requests 请求需要带上 header? 原因是:模拟浏览器,欺骗服务器,获取和浏览器一致的内容 ...
从入门到入土：Python爬虫学习|实例练手|详细讲解|爬取腾讯招聘网|一步一步分析|异步加载|初级难度反扒处理|寻找消失的API来找工作吧
此博客仅用于记录个人学习进度,学识浅薄,若有错误观点欢迎评论区指出.欢迎各位前来交流.(部分材料来源网络,若有侵权,立即删除) 本人博客所有文章纯属学习之用,不涉及商业利益.不合适引用,自当删除! 若 ...
python爬虫系列：xpath爬取图片讲解（零基础向）
系列文章目录 python爬虫系列:BeautifulSoup爬取小说讲解(零基础向)(版权问题下架) python爬虫系列:requests下载酷我音乐讲解(零基础向)(版权问题下架) 文章目录目 ...
2021最新python学习视频教程
本文包含了千锋教育Python学习路线全阶段视频教程(从入门到精通),涵盖了你所需要掌握的所有前沿技术及知识点! 2021年全网最新,史上最全Python学习路线,从基础到项目实战应有尽有,牛批卡拉斯 ...
爬虫攻守道 - 2023最新 - Python Selenium 实现 - 数据去伪存真，正则表达式谁与争锋 - 爬取某天气网站历史数据
前言前面写过3篇文章,分别介绍了反爬措施,JS逆向+ajax获取数据,以及正则表达式匹配开头.结尾.中间的用法.第3篇算是本文 Python Selenium 爬虫实现方案的子集,大家可以参照阅读. ...
小小Python爬虫（0）
#目前问题:爬一会就报"RuntimeError: can't start new thread"错误 #Python的语法有些不太适应,这两天从网上搬了些代码组了个小爬虫,把糗事 ...

2021最新《python爬虫从0-1》5.正则表达式讲解

正则表达式讲解

常用正则表达式

re库

re.search

re.findall

教程地址

2021最新《python爬虫从0-1》5.正则表达式讲解相关推荐

最新文章

热门文章