Python爬虫系列：正则表达式(2)
Python爬虫系列：正则表达式(2)
小Bob来啦
发布于 2021-07-29 11:15:41
发布于 2021-07-29 11:15:41
关于上次Python爬虫的文章：Python爬虫系列：正则表达式(1)
目录：
- raw string原生字符串类型
- 关于正则库常用的函数
- 常用函数简介
1.raw string
在正则库中，常用原生字符串表示字符串。
那么什么是原生字符串呢，字面意思是原生的，在Python中为不含转义符的字符串。
常见形式为：r'text'，即在字符串之前添加一个大写或小写的r。例如：r'[1-9]\d{5}'。
那么字符串和原生字符串有哪些区别呢？
String类型因为斜杠被表示为转义，因此在显得更加繁琐。
比如：
'[1-9]\\d{5}'
'\\d{3}=\\{8}|\\d{4}-\\d{7}'关于原生字符串和字符串之间的区别，小编在这里给大家举例：
当我们用字符串表示\n时就需要用两个斜杠，表示起来不是很方便。即：当正则表达式包含<转义符>时，使用raw string。
2.正则库常用函数
当我们在爬取特定内容时，不可避免的需要用到正则库，其中正则库中的函数可以帮助我们做很多事，下面将列举最常用到的正则库的主要功能函数：
re.search() 在一个字符串中搜索匹配正则表达式的第一个位置
re.match() 从一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall() 搜索字符串，以列表类型返回全部能匹配的子串
re.split() 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.finditer() 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素都是match对象
re.sub() 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串To：如上列举了6个最常用的正则主要功能函数，别看函数很简单哦，用起来还是很需要熟练度的哦。
3.常用函数简介
1.search函数
简介：
re.search(pattern,string,flags=0)
#在一个字符串中搜索匹配正则表达式的第一个位置其中，相关参数表示为：
pattern :正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
这里提到一个新概念标记，在我们要提取的信息中，可能只会抓取部分字符，这时候我们便可以用标记，然后抓取从标记开始的部分。
常用标记 | 说明： |
|---|---|
re.I | 也叫re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能匹配小写字符 |
re.M | re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
re.S | re.DOTALL 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字符 |
例子：
import re
match=re.search(r'[1-9]\d{5}' , 'BIT 100081')
if match:
print(match.group(0))运行结果：
2.match函数
简介：
re.match(pattern,string,flags=0)
#从一个字符串的开始位置起匹配正则表达式，返回match对象其中，相关参数表示为：
pattern :正则表达式的字符串或原生字符串表示
string：待匹配字符串
flags：正则表达式使用时的控制标记
例子：
import re
match=re.match(r'[1-9]\d{5}' , '100081 BIT')
if match:
print(match.group(0))运行结果：
3.findall函数
简介：
re.findall(pattern,string,flags=0)
#搜索字符串，以列表类型返回全部能匹配的子串相关参数和之前函数的参数相差不大，这里不展示了哈。
例子：
import re
ls=re.findall(r'[1-9]\d{5}' , 'BIT100081 TSU100084')
print(ls)运行结果：
4.split函数
简介：
re.split(pattern,string,maxsplit=0,flags=0)
#将一个字符串按照正则表达式匹配结果进行分割，返回列表类型其中，相关参数表示为：
pattern:正则表达式的字符串或原生字符串表示
string：待匹配字符串
maxsplit:最大分割数，剩余部分作为最后一个元素输出
flags：正则表达式使用时的控制标记
例子：
import re
ls=re.split(r'[1-9]\d{5}' , 'BIT100081 TSU100084')
print(ls)运行结果：
当我们在函数中调用maxsplit参数时，如下：
import re
ls=re.split(r'[1-9]\d{5}' , 'BIT100081 TSU100084',maxsplit=1)
print(ls)运行结果：
5.finditer函数
简介：
re.finditer(pattern,string,flags=0)
#搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象例子：
import re
for m in re.finditer(r'[1-9]\d{5}' , 'BIT100081 TSU100084'):
if m:
print(m.group(0))运行结果：
6.sub函数
简介：
re.sub(pattern,repl,string,count=0,flags=0)
#在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串其中，相关参数表示为：
pattern:正则表达式的字符串或原生字符串表示
repl:替换匹配字符串的字符串
string：待匹配字符串
count：匹配的最大替换次数
flags：正则表达式使用时的控制标记
例子：
import re
mat=re.sub(r'[1-9]\d{5}' , ':zipcode','BIT100081 TSU100084')
print(mat)运行结果（返回类型）：
关于更多正则库的用法，还待后续...
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2021-07-02，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号