python爬蟲學習筆記五 Re庫的介紹和使用

re庫是python的標準庫，主要用於字串匹配。

呼叫方式：

import re

re庫採用raw string型別表示正規表示式，表示為：r'text'

例如：r'[1-9]\d'

r'\d-\d|\d-\d'

raw string是不包含轉義符的字串

*string型別，更繁瑣。要加轉義符

例如：[1-9]\\d" 其中第乙個\為轉義符

函式說明

re.search()

在乙個字串中搜尋匹配正規表示式的第乙個位置，返回match物件（找到符合表示式的第乙個字串後終止）

re.match()

從乙個字串的開始位置起匹配正規表示式，返回match物件（從第乙個字元匹配、匹配乙個終止）

re.findall()

搜尋字串，以列表型別返回全部能匹配的子串（匹配到第乙個後第乙個所有的字串不會再次參與匹配）

re.split()

將乙個字串按照正規表示式匹配結果進行分割，返回列表型別

re.finditer()

搜尋字串，返回乙個匹配結果的迭代型別，每個迭代元素是match物件

re.sub()

在乙個字串中替換所有匹配正規表示式的子串，返回替換後的字串

*在乙個字串中搜尋匹配正規表示式的第乙個位置，返回match物件。

·pattern:正規表示式的字串或原生字串表示

·string:待匹配字串

·flags:正規表示式使用時的控制標記

常用標記

說明re.i  re.ignorecase

忽略正規表示式的大小寫，[a-z]能夠匹配小寫字元

re.m re.multiline

正規表示式中的^操作符能夠將給定字串的每行當作匹配開始

re.s re.dotall

正規表示式中的.操作符能夠匹配所有字元，預設匹配除換行外的所有字元

>>> import re

>>> match=re.search(r'[1-9]\d','bit 1000812')
>>> if match:
print(match.group(0))
100081
>>>

pattern:正規表示式的字串或原生字串表示

string:待匹配字串

maxsplit:最大分割數、剩餘部分作為最後乙個元素輸出

flags:正規表示式使用時的控制標記

>>> import re

>>> re.split(r'[1-9]\d','bit100081 tsss1000844')
['bit', ' tsss', '4']
>>> re.split(r'[1-9]\d','bit100081 tsss1000844',maxsplit=1)
['bit', ' tsss1000844']
>>> re.split(r'[1-9]\d','bit100081 tsss1000844',maxsplit=2)
['bit', ' tsss', '4']

·pattern:正規表示式的字串或原生字串表示

·string:待匹配字串

·flags:正規表示式使用時的控制標記

>>> import re

>>> for m in re.finditer(r'[1-9]\d','bti100081 tsu100084'):
if m:
print(m.group(0))
100081
100084

·pattern:正規表示式的字串或原生字串表示

·repl:替換匹配字串的字串

·string:待匹配字串

count:匹配的最大替換次數

·flags:正規表示式使用時的控制標記

>>> import re

>>> re.sub(r'[1-9]\d',':zipcode','bit100081 tsu100084')
'bit:zipcode tsu:zipcode'

Python爬蟲學習筆記（五）

使用美麗湯爬取三國演義 定位元素和屬性三種方式 beautifulsoup 正則 xpath soup.tagname soup.find soup.find all soup.select import requests from bs4 import beautifulsoup if name ...

Python爬蟲筆記之re查詢

記錄利用re查詢元素的常用方法。a z a z 由字母組成 0 9 由數字組成 d 整數 u4e00 u9fa 中文字元 25 0 5 2 0 4 d 1 d 1 9 d 0 255，由大到小分段 re.search pattern,string,flags 0 返回第乙個查詢結果 match物件 ...

python爬蟲學習（五）

目標 破解有道翻譯介面，抓取翻譯結果 結果展示 請輸入要翻譯的詞語 elephant 翻譯結果 大象 請輸入要翻譯的詞語 喵喵叫 翻譯結果 mews實現步驟 1 瀏覽器f12開啟網路抓包,network all,頁面翻譯單詞後找form表單資料 2 在頁面中多翻譯幾個單詞，觀察form表單資料變化 ...