1.正则表达式,匹配字符串 正则表达式是对字符串操作的一种逻辑公式.我们一般使用正则表达式对字符串镜子那个匹配和过滤,使用正则的优缺点: 优点: 灵活,功能性强,逻辑性强 缺点: 上手难.一旦上手,会爱上这个东西 工具:各大文本编辑器一般都有增则匹配功能.我们也可以去 http://tool.chinaz.com/regex/进行在线测试 元字符: .    匹配除换行符以外的任意字符 \w  匹配字母数字或下划线 \s   匹配任意的空白符 \d  匹配数字 \n  匹配一个换行符 \t   匹配一个制表符 \b  匹配一个单词的结尾 ^  匹配字符串的开始 $   匹配字符串的结尾 \W 匹配非字母或数字或下划线 \D  匹配非数字 \S  匹配非空白符 a|b  匹配字符a或字符b ( )   匹配括号内的表达式,也表示一个组 [...]  匹配字符组的字符 [^...]  匹配除字符组中字符的所有字符 量词: *重复零次或更多次 +  重复一次或更多次 ?  重复零次或一次 {n} 重复n次 {n, } 重复n次或更多次 {n,m}  重复n到m次 贪婪匹配和惰性匹配     贪婪匹配: .*   .+     惰性匹配: .*?  尽可能少的匹配 转义:     \\\\n => \\n => \n  在前面添加r,原样输出 分组:   使用() 在python中使用正则.re     <?P<name>正则>     re模块是python提供的一套关于处理正则表达式的模块,核心功能有四个: findall()  查找所有,返回list finditer() 查找返回,返回的是迭代器, search()   搜索. 搜索到第一个结果返回 match()   匹配. 收到一个结果返回,从头开始匹配 compile( )  编译 group('name')  获取数据 re.S  干掉 . 的换行 # re的工作是在python中执行正则表达式 import re   # find result = re.findall("\d+", "baby的电话号是: 185123456789") print(result)     #['185123456789']   it = re.finditer("\d+", "baby123456789的电话号是: 185123456789") for el in it:     print(el.group()) # 分组   #123456789                               #185123456789     search 搜索, 查找 一旦匹配到结果. 直接返回, 如果匹配不到结果. 返回None result = re.search("\d", "宝宝的电话是111") print(result)       #<_sre.SRE_Match object; span=(6, 7), match='1'> print(result.group())     #1   匹配, 从头开始匹配. 相当于在你正则前面加了一个^ result = re.match("\d+", "157宝宝的电话是:") print(result.group())    ###157   search和match的区别:  search查找. 找到了结果就返回. match. 从头开始匹配.   # 坑: 爬虫的一个重点 # .*? result = re.finditer(r"姓名:(?P<name>.*?), 爱好:(?P<hobby>.*?),", "姓名:宝宝, 爱好:女,") for el in result:     print(el.group("name"), el.group("hobby"))     # 正则的常用操作 result = re.split("\d+", "宝宝110来找你了. 你回头收拾收拾去119报道") print(result)   用正则替换 s = re.sub("\d+", "__sb__", "宝宝110来找你了. 你回头收拾收拾去119报道") print(s)   s = re.subn("\d+", "__sb__", "宝宝110来找你了. 你回头收拾收拾去119报道") # 替换了xxx次 print(s)   code = "for i in range(10): print(i)"   c = compile(code, "", "exec") # 编译   exec(c) # 快速执行   reg = re.compile(r"\d+") # 编译了一段正则. 加载了一段正则 lst = reg.findall("呵呵, 宝宝才不去110呢.他要去120了") print(lst)   re.findall(r"\d+", "呵呵, 宝宝才不去110呢.他要去120了")   lst = re.findall(r"a(?:\d+)c", "a123456c") # 把括号python中的分组变成了原来正则表达式中的分组 print(lst) 爬取电影天堂 # 爬取电影天堂 from urllib.request import urlopen   content = urlopen("https://www.dytt8.net/html/gndy/dyzz/20181219/57954.html").read().decode("gbk") # print(content)   reg = r'<div id="Zoom">.*?片　　名(?P<name>.*?)<br />◎年　　代(?P<years>.*?)<br />.*?◎上映日期(?P<date>.*?)<br />'+ \ '.*?◎主　　演(?P<main>.*?)◎简　　介.*?<td style="WORD-WRAP: break-word" bgcolor="#fdfddf"><a href="(?P<download>.*?)">'   it = re.finditer(reg, content, re.S) # re.S 去掉.里面的\n   for el in it:     print(el.group("name"))     print(el.group("years"))     print(el.group("date"))     print(el.group("main").replace("<br />　　　　　　", ", "))     print(el.group("download"))  
扫码关注我们
微信号：SRE实战
拒绝背锅 运筹帷幄