Python爬虫系列：正则表达式(1)

2021年03月13日 23:29 __ _ _ _ _

文章配图

这个世界是一面镜子，反射出来的是你自己的信念。

——《生而不凡》

文章配图

大家在学会基本的Python爬虫后，会不会感觉还是挺简单的，那如果我们需要对爬取的内容进行检索或筛选数据呢？

这里就要用到小编给大家介绍的RE库，叫正则表达式，也是掌握爬虫必备的利器。

1.简介

简介：RE库(英文解释为 r egular e xpression，在代码中简写为regex或RE)是Python的标准库，主要用于字符匹配。

正则表达式使用字符串来描述、匹配一系列某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

2.为什么是正则表达式呢

对于使用正则表达式的好处，给小编感觉是简洁，但不易上手，平时用得也不多，主要是用在匹配字符串。
至于为什么是正则表达式，小编这里给大家列出关于使用正则表达式的优势：

1.通用的字符串表达框架。 2.简洁表达一组字符串的表达式。 3.针对字符串表达“简洁和“特征”思想的工具。 4.判断某字符串的特征属性。

3.正则表达式的语法

操作符	介绍	实例
. ‍	表示任何单个字符	无

[] | 字符集，对单个字符给出取值范围 | [abc]表示a,b,c,[a-z]表示a到z单个字符
[^] | 非字符集，对单个字符给出排除范围 | [^abc]表示非a或非b或c的单个字符
*
| 前一个字符0次或无限次扩展 | abc*表示ab,abc,abcc,abccc等
+ | 前一个字符1次或无限次扩展 | abc+表示abc,abcc,abccc,等
? | 前一个字符0次或一次扩展 | bc?表示ab,abc
| | 左右表达式任意一个 | abc|def表示abc,def
{m} | 扩展前一个字符m次 | ab{2}c表示abbc
{m,n} | 扩展前一个字符m至n次（含n） | ab{1,2}c表示abc,abbc
^ | 匹配字符串开头 | ^abc表示abc且在一个字符串的开头
$ | 匹配字符串结尾 | abc$表示abc且在一个字符串的结尾
() | 分组标记，内部只能使用|操作符 | (abc)表示abc,(abc|def)表示abc或def
\d | 数字，等价于[0-9] | 无

\w | 单词字符，等价于[A-Za-z0-9_] | 无

代表实例：

正则表达式	对应字符串
P(Y	YT
PYTHON+	‘PYTHON’,’PYTHONN’,’PYTHONNN’…
PY[TH]ON	‘PYTON’,’PYHON’
PY[^TH]?ON	‘PYON’,’PYaON’,’PYbON’…
PY{：3}N	‘PN’,’PYN’,’PYYN’,’PYYYN’

4.经典正则表达式实例

正则表达式	对应字符串
^[A-Za-z]+$ ‍	由26个字母组成的字符串
^[A-Za-z0-9]+$	由26个字母和数字组成的字符串
^-?\d+$	整数形式的字符串
^[0-9][1-9][0-9]$	正整数形式的字符串
[1-9]\d{5}	中国境内邮政编码，6位，[1-9]已经表示一位了，后面再加5位 ‍
[\u4e00-\u9fa5]	匹配正文字符
\d{3}=\d{8}	\d{4}-\d{7}