Python re库

Python学习笔记–Python-Re库( 正则表达式 )。

正则表达式常用操作符

经典实例

Re库的主要函数

re.search()

作用：搜索符合正则表达式的第一个对象

import re
stri = 'fsijf 476600'
stru = '542111 faljfj'
strs = 'fakhfk 414444fauhf hfakh421111fhafh784444fahhfa475444'
zz = r'[1-9]\d{5}'

re.search
match = re.search(zz, stri)
if match:
    print(match.group(0))

re.match()

作用：与re.search()类似,区别是re.match()会从每个字符串的开头进行匹配

match2 = re.match(zz, stru)
if match2:
    print(match2.group(0))  

re.findall()

作用：搜索所有匹配表达式的子串,这里返回的是列表类型( 注意区别BeautifulSoup里面的soup.find_all() )

stra = re.findall(zz, strs)
print(stra,type(stra))

re.split()

作用：将除了匹配的字符串外所有的部分分割

strk = re.split(zz, strs)
print(strk)
strk = re.split(zz, strs,maxsplit=1)
#maxsplit指明了最大分割数，其余部分（不再进行匹配）直接全部输出
print(strk)

re.finditer()

作用：返回一个匹配结果的迭代类型，可以用for循环遍历每个对象

for it in re.finditer(zz, strs):
    if it:
        print(it.group(0)) 

re.sub()

作用：替换掉字符串里所有匹配的对象

rp = "邮编" 
strrp = re.sub(zz, rp,strs)
print(strrp)

以上是通俗用法，实际操作中，利用re.compile()更加方便

re.compile()

作用：将正则表达式的字符串形式编译成正则表达式对象

regex = re.compile(zz)
match = regex.findall(strs)
for i in match:
    print(i)

相比之前的通俗用法,将符合正则表达式的字符串编译后，拿这个对象继续去进行re的各类操作（search、match、findall、、、），更加简洁明了。

re库的match对象

import re
strs = 'fakhfk 414444fauhf hfakh421111fhafh784444fahhfa475444'
zz = r'[1-9]\d{5}'
regex = re.compile(zz) # 这里regex的类型是 ：<class 're.Pattern'>
m = regex.search(strs)
print(type(m)) # m的类型是：<class 're.Match'>
# m的各个属性
print(m.string)   # 待匹配对象字符串
print(m.re)       # 正则表达式
print(m.pos)      # 正则表达式搜索文本的开始位置
print(m.endpos)   # 正则表达式搜索文本的结束位置
print(m.start())  # 匹配字符串在原始字符串的开始位置
print(m.end())    # 匹配字符串在原始字符串的结束位置
print(m.span())   # 返回(start(),end())
print(m.group(0)) # 获得匹配后的字符串

程序输出结果：

Re库默认采用贪婪匹配

最小匹配

最小匹配操作符

附：爬虫实战-淘宝代码(2019-10-9可用)

注意这里淘宝需要自己账号先登录，然后添加header里面的user-agent以及cookie：浏览器F12 -> Network -> Doc -> headers

代码如下：

import requests
import re

def getHTMLText(url):
    header = {
        # 自己登录淘宝之后找
        'user-agent': '',
        'cookie':''
    }
    try:
        r = requests.get(url,headers=header,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        # print(r.status_code)
        return r.text
    except:
        return "爬取错误"

def parsePage(ilt, html):
    try:
        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
        tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)
        for i in range(len(plt)):
            price = eval(plt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            ilt.append([price, title])
    except:
        print("")        

def printGoodlist(ilt):
    tplt = "{:4}\t{:8}\t{:16}"
    print(tplt.format("序号", "价格", "名称"))
    count = 0
    for g in ilt:
        count = count + 1
        print(tplt.format(count,g[0],g[1]))

if __name__ == "__main__":
    
    depth = 2
    goods = "书包"
    start_url='https://s.taobao.com/search?q=' + goods
    indolist=[] #输出结果
    for i in range(depth):
        try:
            url=start_url + '&s=' + str(44*i)
            html=getHTMLText(url)
            parsePage(indolist,html)
        except:
            continue
    printGoodlist(indolist)

Ps:以上图片除标题外、均来自: 中国大学MOOC-Python网络爬虫与信息提取：https://www.icourse163.org/course/BIT-1001870001

• 本文作者： 本该如此
• 本文链接： https://anyway521.github.io/post/3e6a6bf3.html
• 最后更新： 2020年10月09日 22:44:30
• 版权声明： 博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议进行许可，转载请注明出处！

赞

赏杯Java？٩(๑^o^๑)۶

创作不易，感谢支持！