爬虫必学知识之正则表达式上篇

import re#这个库是用来使用正则表达式的
a='sg+sga5g45gaae3f23hgt13'
r=re.findall('d',a)#这个就是根据d的正则表达式来查找对应字符，其中d是对应0-9的数字
#查找非数字用D
r1=re.findall('D',a)
print(r)
print(r1)
#结果
['5', '4', '5', '3', '2', '3', '1', '3']
['s', 'g', '+', 's', 'g', 'a', 'g', 'g', 'a', 'a', 'e', 'f', 'h', 'g', 't']

a='abc,acc,agc,anc,afc,adc,aec'

import re
a='abc,acc,agc,anc,afc,adc,aec'
#现在查找上面的中间字符为c或者f的字符串
#这个要求可以用到字符集来实现
r=re.findall('a[cf]c',a)#[]表示字符集，里面的内容是或关系
# 结果
['acc', 'afc']

import re
r=re.findall('a[……cf]c',a)#[c-f]就是表示从c到f
print(r)
# 结果
['abc', 'agc', 'anc', 'adc', 'aec']

import re
r=re.findall('a[b-n]c',a)#[c-f]就是表示从c到f
print(r)
# 结果
['abc', 'acc', 'agc', 'anc', 'afc', 'adc', 'aec']

#概括字符集,就是用一个加个字母来表示一类字符，比如刚开始的d,D
import re
a='hdskn122rs3$ dkl%df36t5&'
r=re.findall('w',a)#这个是匹配数字和单词
print(r)
#也可以匹配非数字非单词
r=re.findall('W',a)
print(r)
#匹配空格字符和制表符等其他字符
r=re.findall('s',a)
print(r)
#匹配除换行符之外的其他字符
r=re.findall('.',a)
print(r)
# 结果
['h', 'd', 's', 'k', '1', '2', '2', 's', '3', 'd', 'k', 'l', 'd', 'f', '3', '6', '5']
['n', 'r', '$', ' ', '%', 't', '&']
['n', 'r', ' ', 't']
['h', 'd', 's', 'k', '1', '2', '2', 'r', 's', '3', '$', ' ', 'd', 'k', 'l', '%', 'd', 'f', '3', '6', 't', '5', '&']

#数量词，当一个字符需要多次重复匹配时就需要用到
import re
a='python java111php23 html'
r=re.findall('[a-z]{3}',a)#重复多次就用大括号，括号内的数表示重复的次数
print(r)
#也可以重复一个范围，表示匹配3到6个字符
r=re.findall('[a-z]{3,6}',a)
print(r)#这样就可以把单词都找出来了
# 结果
['pyt', 'hon', 'jav', 'php', 'htm']
['python', 'java', 'php', 'html']

a='pytho243python34pythonn'
#*表示匹配对应内容0次或者无限次
r=re.findall('python*',a)#这个就是代表对n字符的数量词匹配
print(r)
#+表示匹配内容1次或者无限次
r=re.findall('python+',a)
print(r)
#?表示可以匹配0次或者1次,注意这个？和上面的非贪婪代表的意思不一样
r=re.findall('python?',a)
print(r)
# 结果
['pytho', 'python', 'pythonn']
['python', 'pythonn']
['pytho', 'python', 'python']

r=re.findall('[a-z]{3,6}',a)# 贪婪匹配
print(r)
r=re.findall('[a-z]{3,6}?',a)
print(r)#由于是非贪婪，所以匹配当第一个条件满足时就停止匹配
# 结果
['python', 'java', 'php', 'html']
['pyt', 'hon', 'jav', 'php', 'htm']