Python 爬虫与正则表达式

Fri, 08 Jul 2022 00:00:00 +0000

Python 爬虫与正则表达式

正则表达式基础

常用字符说明

字符	描述
`[ABC]`	匹配字符串中所有的 A、B、C 字母
`[^ABC]`	匹配字符串中所有的非 A、B、C 字母
`[A-Z]`	表示一个区间，匹配所有大写字母；`[a-z]` 表示所有小写字母
`.`	匹配除换行符（`\n`、`\r`）之外的任何单个字符，等价于 `[^\n\r]`
`\s`	匹配任何空白字符（空格、制表符、换页符等）；`\S` 匹配任何非空白字符
`^`	匹配输入字符串的开始位置
`$`	匹配输入字符串的结尾位置
`?`	匹配前面的子表达式零次或一次，或指明非贪婪限定符
`*`	匹配前面的子表达式零次或多次
`+`	匹配前面的子表达式一次或多次
`{n,m}`	m 和 n 均为非负整数，且 n ≤ m。最少匹配 n 次，最多匹配 m 次。例如 `"o{1,3}"` 将匹配 `"fooooood"` 中的前三个 o。`"o{0,1}"` 等价于 `"o?"`。注意逗号和两数之间不能有空格
`( )`	标记一个子表达式的开始和结束位置，子表达式可以获取供以后使用（如 `(?P<函数名>匹配正则)`）
贪婪与非贪婪模式	在正则表达式中，``、`+`、`?` 默认是贪婪的，会尽可能多地匹配内容。例如 `"<.>"` 中的 `` 会匹配到字符串最后的 `>`。若要使用非贪婪模式，在限定符后加 `?`，如 `"<.?>"`

Python 正则表达式

Python 正则表达式 | 菜鸟教程

常用函数

1
2
3
4
5
6


import re

re.match(pattern, string, flags=0)
re.search(pattern, string, flags=0)
# 匹配成功时返回一个匹配对象，否则返回 None。
# 可以使用 group(num) 或 groups() 获取匹配表达式。

re.match 与 re.search 的区别：
re.match 只匹配字符串的开始位置，如果开始位置不符合正则表达式，则匹配失败返回 None；而 re.search 匹配整个字符串，直到找到第一个匹配。

参数说明

参数	描述
`pattern`	匹配的正则表达式
`string`	要匹配的字符串
`flags`	标志位，用于控制匹配方式（如是否区分大小写、多行匹配等）

flags 修饰符

修饰符	描述
`re.I`	使匹配对大小写不敏感
`re.L`	做本地化识别（locale-aware）匹配
`re.M`	多行匹配，影响 `^` 和 `$`
`re.S`	使 `.` 匹配包括换行符在内的所有字符
`re.U`	根据 Unicode 字符集解析字符，影响 `\w`、`\W`、`\b`、`\B`
`re.X`	允许更灵活的格式，使正则表达式更易于理解

`re.compile` 函数

compile 函数用于编译正则表达式，生成一个正则表达式（Pattern）对象，供 match() 和 search() 使用。

1

re.compile(pattern[, flags])

pattern：字符串形式的正则表达式
flags：可选，匹配模式（如忽略大小写、多行模式等）

`re.sub` 函数

1

re.sub(pattern, repl, string, count=0, flags=0)

pattern：正则中的模式字符串
repl：替换的字符串，也可为一个函数
string：要被查找替换的原始字符串
count：模式匹配后替换的最大次数，默认 0 表示替换所有匹配

正则 on Song

Python 爬虫与正则表达式

Python 爬虫与正则表达式

正则表达式基础

常用字符说明

Python 正则表达式

常用函数

参数说明

flags 修饰符

re.compile 函数

re.sub 函数

`re.compile` 函数

`re.sub` 函数