通过前面的学习，我们知道调用请求库可以抓取HTML页面，调用美汤库可以解析HTML页面。但是通常一个HTML页面的信息很多，你不可能全部拿走，手动修改，所以需要使用Re正则表达式来提取页面的关键信息。
什么是正则表达式？
Re:正则表达式，可以简洁优雅地表达一组字符串。
例如:
"Py""Pyt""Pyth""Pytho""Python"
这几串有什么相似之处？没错，就是都是基于”Py & # 8221开始的时候。
我们用了五行来枚举所有的字符串。如果我们用Re来代替呢？好吧，好吧！
Py(t|th|tho|thon)?N
只是五行串而已。万一是几千行呢？那个正则表达式用起来不是特别爽吗？
“一行胜千言”—正则表达式
正则表达式最本质的特征是:简洁、优雅，一行胜千言。
在我看来，就像苹果LOGO一样，周围都是极简的美。
还有一个词:求同存异。
让我们来看看正则表达式的语法:
正如上面所展示的，正则表达式由字符和操作符构成。
如上图所示，正则表达式由字符和运算符组成。
常见运算符
看看正则表达式的一些经典例子:
^[A-Za-z]+$ 由26个字母组成的字符串^-?d+$ 整数形式的字符串[1-9]d{5} 中国境内邮政编码d{3}-d{8}|d{4}-d{7} 国内电话号码
Python中的Re库
Python为正则表达式提供了标准的库Re，用来匹配字符串。
调用Re库:
import re
正则表达式的表达式类型:
Re库采用raw string类型表示正则表达式，形式为：r’text’。
例如:r '[1-9]d[5]’
原始字符串类型是本机字符串类型，转义字符不能再次转义。
Re库还可以采用string类型表示正则表达式，更为繁琐，形式为’text’。
例如:“[1-9]\ d { 5 } ’
先前的”是一个转义字符。
当正则表达式包含转义字符时，更推荐使用原始字符串类型。
RE库的基本方法:
先介绍一下Match对象:
匹配对象是一次匹配的结果，包含大量匹配信息。
和response对象一样，Match对象也有一些属性和方法。
像响应对象一样，匹配对象也有一些属性和方法。
Match对象的属性
匹配对象的属性
匹配对象方法
前面已经介绍过如何调用对象的属性和方法了，这里就不再赘述，可以百度做深入了解。
我已经介绍过如何调用对象的属性和方法，这里就不再赘述了。我可以从百度上了解更多关于他们的信息。
Re的六种基本方法
下面重点介绍搜索方法:
re.search(pattern, string, flags=0)
在字符串中搜索匹配正则表达式的第一个位置，并返回一个***tch对象。
pattern：正则表达式的字符串或者原生字符串表示string：带匹配的字符串flags：正则表达式使用时的控制标记
标志标志值
# 使用search方法匹配字符串***tch = re.search(r'[1-9]d{5}', 'A100001', flags=re.I)# 匹配成功则返回匹配后的字符串if ***tch: print(***tch.group(0))
注意:Match对象返回匹配结果，所以匹配返回值是bool变量，所以用条件语句判断。
环库的方法并不太难用。以下是其余方法的总结:
关于。Match (pattern，string，flags = 0)从字符串的开头匹配正则表达式，并返回一个Match对象。
参数同上。
关于。find all (pattern，string，flags = 0)搜索一个字符串，并返回可以匹配为列表类型的所有子字符串。
参数同上。
Re.split (pattern，string，***xsplit = 0，flags = 0)根据正则表达式匹配的结果拆分字符串，并返回列表类型。
***xsplit：最大分割数，剩余部分作为最后一个元素输出
关于。Finder (pattern，string，flags = 0)搜索字符串并返回与结果匹配的迭代类型。每个迭代元素都是一个匹配对象。
参数同上。
for m in re.finditer(r'[1-9]d{5}', 'A100001 B100002'): if m: print(m.group(0))
re sub(pattern，repl，string，count = 0，flags = 0)替换字符串中匹配正则表达式的所有子字符串，并返回被替换的字符串。
repl：替换匹配字符串的字符串count：匹配的最大替换次数sub = re.sub(r'[1-9]d{5}', ',hello', 'A100001 B100002')print(sub)
Re库的等效使用
上面解释了Re库的六个基本方法的功能用法，下面介绍另一个等价的面向对象用法:
***tch = re.search(r'[1-9]d{5}', 'A100001')cmp = re.compile(r'[1-9]d{5}')***tch = cmp.search('A100001')
第一种是功能用法，一次操作就能完成任务；第二种是面向对象的用法，将字符串形式的正则表达式编译成正则表达式对象，然后进行方法运算。两种方法都有可能，理解就好。
Re库的贪婪匹配机制
在实际使用中，我们会遇到如下问题:
***tch = re.search(r'PY.*N', 'PYANBNCN')
对于这样的字符串，原则上可以返回三个子字符串，即’PYAN & # 8217,’宾’,’PYANBNCN & # 8217。但是当我们调用***tch.group(0)进行检查时，应该返回哪一个呢？
Re库默认采用贪婪匹配机制，返回匹配中最长的子串，即返回’PYANBNCN & # 8217走吧。
还有一个问题。想输出最短的子串，应该怎么做？？
我们只需在操作符后面添加？即可输出最小匹配了：
我们只需要在运算符后面加上？可以输出的最小匹配:
最小匹配
***tch = re.search(r'PY.*?N', 'PYANBNCN')if ***tch: print(***tch.group(0))
总结
本章解释了Python中正则表达式Re库的入门级用法。正则表达式并不是Python独有的，可以在很多地方使用。学习Re库后，对其他语言和任务也有帮助。
本文来自笑醉生梦投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/608328.html
微信扫一扫 
