python爬虫学习笔记(七)-数据提取之正则表达式

1. 提取数据

使用正则表达式提取数据

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式是用来匹配字符串非常强大的工具，在其他编程语言中同样有正则表达式的概念，Python同样不例外，利用了正则表达式，就能从返回的页面内容提取出我们想要的内容。

规则：

2. 正则表达式相关注解

2.1 数量词的贪婪模式与非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串
Python里数量词默认是贪婪的（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符

例如：正则表达式”ab”如果用于查找”abbbc”，将找到”abbb”。而如果使用非贪婪的数量词”ab?”，将找到”a”

2.2 常用方法

• re.match
  • re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none
  • 函数语法：
    re.match(pattern, string, flags=0)
• re.search
  • re.search 扫描整个字符串并返回第一个成功的匹配。
  • 函数语法：
    re.search(pattern, string, flags=0)
• re.sub
  • re.sub 替换字符串
    re.sub(pattern,replace,string)
• re.findall
  • re.findall 查找全部
    re.findall(pattern,string,flags=0)

3. 正则表达式修饰符 - 可选标志

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。如 re.I | re.M 被设置成 I 和 M 标志：

python爬虫学习笔记(七)-数据提取之正则表达式

原文：https://www.cnblogs.com/thresh/p/12953549.html