爬虫必学知识之正则表达式上篇

这是日常学python的第12篇文章

在向网页进行了提交请求之类的之后，我们可以得到了网页的返回内容，里面自然而然会有我们想要的数据，但是html元素文本这么多，我们不可能一 一去找我们需要的数据，这时就需要用到正则表达式了，正则表达式是学爬虫必须学的内容，而且不止python可以用，java等其他语言都可以用，所以学了好处大大。

什么是正则表达式？

正则表达式就是一个特殊的字符序列，可以用于检测一个字符串是否与我们的所设定的字符串相匹配。功能有快速检索文本和快速替换一些文本的操作。

python里面有个处理正则表达式的库re。有个方法

findall(pattern,string,flags)

用来匹配正则达式，我们就先用这个方法处理下。

参数如下：

pattern：正则表达式

string：要进行匹配的字符串

flags：匹配的模式

结果是一个匹配内容的列表

'\d' : 这个表示匹配单个0-9数字

'\D' : 与\d相反，匹配数字以外的内容

用代码来感受下：

可以看到找出了字符串中的数字和非数字

如果我们在匹配一个字符串时，中间内容是有多个变化的，我们需要应变多种不同的字符，如这个字符串

如果需要匹配这个字符串时，我们就需要用到[ ],用中括号括起来的字符，里面的内容表示或关系，那来看看代码

上面匹配了中间字符是c或者是f的字符串，匹配中间字符非c和非f,可以在前面加个^符号

上面只处理了中间字符为chu者f的字符串，但是没有匹配全部的，若要匹配全部，可以加个-符号，表示范围，如下

[b-n]:这个就是表示b到n的字符

匹配汉字：[\u4E00-\u9FA5]

概括字符集：

用一个\ + 字母表示一系列的字符的元字符，只能匹配单个字符，常用的如下

\w：匹配数字和字符「不包括&符号」只匹配单词，数字和下划线

\W：与\w相反，这个包括空格和回车

\s：匹配空格字符，如空格，回车和制表符

\S：与\s相反

.：匹配除换行符之外的其他字符

还有前面的\d和\D也是

有个小技巧：如果想要匹配所有字符，就可以把上面的两个相反的合并起来就可以了。

代码如下：

数量词：

当一个字符需要连续重复匹配多次时，就要用到这个。如匹配三个字符组成的字符串：

[a-zA-z]，大括号里面的表示重复次数。

若要匹配三到六个字符，大括号的就需要这样写：.

代码如下;

其他数量词表示：

*：匹配零次或无限多次

+：匹配一次或以上

?：匹配零次或者一次

贪婪匹配：正则表达式默认为贪婪匹配，即匹配符合字符串的最大长度，如上面的[a-zA-z]，他会趋于匹配长度为6的字符串，匹配到条件不满足时才停止匹配。

非贪婪匹配：就是趋于匹配长度最小的字符串，匹配满足第一个条件就会停止匹配

END

这篇文章只是介绍了下正则表达式的简单用法，可以用来入门正则，下一篇文章讲正则表达式高级点的用法。

留个小练习：写一个正则来匹配生日，字符串为：

2005-06-09

2005-6-9

2005 6 9

2005，06，09

可以把答案写在留言区哈！

上述文章如有错误欢迎在留言区指出，如果这篇文章对你有用，点个赞，转个发如何？