一、python【re】的用法
通用函数：
1、re.match函数·单一匹配-推荐指数【★★】
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
函数语法：
re.match(pattern, string, flags=0)
pattern：正则表达式字符串。
string：需要匹配的字符串。
第三个flags是控制正则的严谨度，常用的两个：re.I不区分大小写，re.S遇到【\n】继续匹配。
示例：
注：re.match弊端：只能匹配是否以某字符串为开头的内容，所以很多场合不合适。
import re ''' re.match弊端：只能匹配是否以某字符串为开头的内容 ''' result1 = re.match(r'I', 'i Have A Dream!', re.I) # 在起始位置匹配，不区分大小写 result2 = re.match(r'Dream', 'I Have A dream!', re.I) # 不在起始位置匹配，不区分大小写 print(result1) print("匹配位置：", result1.span()) print("匹配字符串：", result1.group()) print(result2)
结果中我们能看到是否以字符串开头进行字符串匹配的区别，虽然都含有，但是不是开头的字符串就不匹配。
2、re.search函数·单一匹配-推荐指数【★★★★★】
注：re.search函数无论在哪里都能匹配字符串。
函数语法与re.match函数一样。
import re ''' re.search：无论在哪里都能匹配 ''' result1 = re.search(r'I', 'I Have A Dream!', re.I) # 不区分大小写 result2 = re.search(r'Dream', 'I Have A dream!dream', re.I) # 不区分大小写 print(result1) print("匹配位置：", result1.span()) print("匹配字符串：", result1.group()) print("匹配位置：", result2.span()) print("匹配字符串：", result2.group())
在结果中我们可以清晰的看到匹配到匹配到的位置。
以上两种都只能匹配一次，那么很多时候我们是一个超级大的字符串，或甚至是整个【H5】网页，那么，我们需要多个匹配的时候就不能使用这两个函数了。
3、re.findall函数·多项匹配-推荐指数【★★★★★】
在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。个人喜欢用列表所以五星推荐。
注：这里通上面的两个函数的本质却别就出来了，我们可以匹配一个大字符串中所有符合正则表达式的字符串。
示例：
import re ''' re.findall：匹配所有符合正则表达式的字符串 ''' result1 = re.findall(r'I', 'I Have A Dream!I I I I I I I') # 在起始位置匹配 result2 = re.findall(r'Dream', 'I Have A Dream!Dream') # 不在起始位置匹配 print(result1) print(result2)
结果中我们能看到所有符合的字符串都返回到了列表中，没有去重操作。
4、re.finditer函数·多项匹配-推荐指数【★★★★】
在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。个人不太喜欢用迭代器，故而推荐指数四颗星。
注：这里我与findall做了个对比，喜欢使用迭代器的可以使用这个函数啊。
import re content = '''email:372699828@qq.com email:feng8403000@163.com email:qwe8403000@126.com ''' result_findall = re.findall(r"\d+@\w+.com", content) print("迭代器类型：", type(result_findall)) # 返回list result_findall for i in result_findall: print(i) print("-" * 20) result_finditer = re.finditer(r"\d+@\w+.com", content) # 返回iterator print("list列表类型：", type(result_finditer)) for i in result_finditer: print(i.group())
5、re.sub函数·替换函数-推荐指数【★★★★】
这个函数用的相对来说不是很多，一般正则梳理好的字符串就直接使用字符串的处理方法来搞定了。但是这个函数还是很方便的，只是我不推荐替换原内容。
示例：
import re ''' re.sub：替换匹配字符串 ''' result1 = re.sub(r'I', '我', 'I Have A Dream!') result2 = re.sub(r'Dream', '梦想', 'I Have A Dream!Dream') print(result1) print(result2)
结果中可以看到，这个替换匹配是默认多个匹配的。
二、正则表达式示例·总有一款适合你
1、正则表达式匹配HTML指定id/class的标签
r"<ul class=\"chapter-list clearfix\">.*?</ul>"
.*?含义是不限任意字符的匹配，直到【?】后面的内容代表结束，这里【?】后面是【</ul>】，所以能截取整个ul标签的内容。以后用处很多，记住。
import re import requests ''' 获取某网站·某个·class元素下·所有内容·返回字符串 ''' url = "https://book.zongheng.com/showchapter/1243826.html" context = requests.get(url).content.decode("utf-8") result1 = re.findall(r"<ul class=\"chapter-list clearfix\">.*?</ul>", context, re.S) print(result1) print(len(result1[0])) print(result1[0])
结果中能看截取成功：
2、正则表达式匹配HTML中所有a标签中的各类属性值
r'<a.*? href="(.*?)".*?>.*?</a>'
同理，想获得【title】标签就将正则表达式中的属性换成想要的就行。
import re ''' 正则获取所有a标签的href值 ''' context = """ <a href="https://baidu.com" target="_blank">百度</a> <a href="https://baidu.com" target="_blank">百度</a> <a href="https://baidu.com" target="_blank">百度</a> <a href="https://baidu.com" target="_blank">百度</a> """ result1 = re.findall(r'<a.*? href="(.*?)".*?>.*?</a>', context) print(result1) 实际示例1：获取href值 import re import requests ''' 获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的href值 ''' url = "https://book.zongheng.com/showchapter/1243826.html" context = requests.get(url).content.decode("utf-8") result1 = re.findall(r"<ul class=\"chapter-list clearfix\">.*?</ul>", context, re.S) a_href = re.findall(r'<a.*? href="(.*?)".*?>.*?</a>', result1[0], ) print("爬取成功：", len(a_href)) for item in a_href: print(item)
结果匹配到138条超链接的值：
实际示例2：获取title值
import re import requests ''' 获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的title值 ''' url = "https://book.zongheng.com/showchapter/1243826.html" context = requests.get(url).content.decode("utf-8") result1 = re.findall(r"<ul class=\"chapter-list clearfix\">.*?</ul>", context, re.S) a_href = re.findall(r'<a.*? title="(.*?)".*?>.*?</a>', result1[0], ) for item in a_href: print(item) print("爬取成功：", len(a_href))
结果可看到，同样匹配成功。
