Python   发布时间:2022-04-02  发布网站:大佬教程  code.js-code.com
大佬教程收集整理的这篇文章主要介绍了python 爬虫 中的正则表达式大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。

正则表达式然不是python语言,但在python爬虫中却有着普遍的应用,可以说没有正则表达式的爬虫是一个没有灵魂的爬虫,话不多说,直接上干货!

 

首先介绍一个验证正则表达式的在线平台:https://regex101.com/

 

python 爬虫 中的正则表达式

 

 

  高亮部分即为提取到的内容。

 

  • 元字符

    1. \d    匹配所有数字
    2. \w    匹配所有数字、字母、下划线
    3. \D    除了数字以外的内容
    4. \W    除了数字、字母、下划线以外的内容
    5. \S    匹配所有非空白
    6. [a,b,c]    匹配a,b,c的内容
    7. [^a,b,c]    匹配除了a,b,c的内容
    8. \s    匹配空白
    9. \b    匹配单个单词边界
  • 量词

    1. 元字符+    元字符出现1次或多次(等同于{1, })
    2. 元字符*    前面的元字符出现0次或多次,尽可能多的拿到数据(等同于{0, })
    3. 元字符?    前面的元字符出现0次或一次
  • 匹配字符

    1. 数字        [0-9]
    2. 小写字母        [a-z]
    3. 大写字母        [A-Z]
    4. 特殊字符        [\特殊字符]
  • ^

    1. 放在区间里表示取反
      1. [^0-9]    表示匹配非数字
      2. [^a-z]    表示匹配非小写字母
    2. 放在区间外面表示匹配字符串开头(^python    表示以python开头的内容)
  1. $    匹配字符串结尾(python$    表示以python结尾的单词)
  2. ?    
    1. 可以出现也可以不出现(colou?r    可以同时匹配color、colour)
    2. 转换为非贪婪模式(\d{8,9}?    默认会匹配8和9位的数字,加上?后,只匹配8位的数字)
  3. .    除了换行符以外的任意内容
  4. {数字}    指定匹配次数(\d{9}指匹配9位数的数字)
  5. {数字,数字}    指定匹配区间(\d{4, }指匹配4位以上的数字)
  • 惰性匹配

    1. .*    匹配最远的字符
    2. .*?    匹配最近的字符(惰性匹配)
    3. 字符串:今天晚上一起吃鸡呀(匹配:晚上.*?吃鸡)  结果:晚上一起吃鸡
  • 分组

  1. 加括号就可分组(提取号码:0731-8283333的区号和正真的电话号码  结果:\d{4}-\d{7})
  2. eg:<div>holle</div>    <div>(.*?)</div>    不加括号是提取不出来的
  3. |    或则条件        (.jpg|.gif|.jpeg|.png)表示匹配这几种后缀的图片格式
  4. 非捕获分组    (?:表达式)
  • 分组的回溯引用    

  1. 提取标签中的文字 <font>提示</font>ge1:破坏标签,将</font>改为</br>结果:<(\w+)>(.*?)</\1>    \1 就为了保证和第一个分组一致
  2. eg2:编写代码匹配符合ab ba         结果:(\w)(\w)\2\1
  3. 环视/欲搜索

eg:在    我喜欢你    我喜欢  我喜欢我  喜欢  喜欢你

正向先行断言(?=表达式)    取出喜欢,喜欢的后面必须有”你“

python 爬虫 中的正则表达式

反向先行断言    喜欢(?!你)    即喜欢后面没有”你“

正向后行断言(?<=我)喜欢(?=你) 喜欢的前面右”我“,后面有”你“

python 爬虫 中的正则表达式

反向后行断言(?<!我)喜欢(?!你)    喜欢的前面没有我,后面没有你

python 爬虫 中的正则表达式

 

本文均自己整理,时间也比较赶,可能有的地方会存在问题,可以评论留言,看到了就会改。

大佬总结

以上是大佬教程为你收集整理的python 爬虫 中的正则表达式全部内容,希望文章能够帮你解决python 爬虫 中的正则表达式所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。
标签: