21 爬虫 - python的 re 模块

在 Python 中，我们可以使用内置的 re 模块来使用正则表达式。

有一点需要特别注意的是，正则表达式使用 对特殊字符进行转义，所以如果我们要使用原始字符串，只需加一个 ​​r​​ 前缀，示例：

r'chuanzhiboke\t\.\tpython'

​re 模块的一般使用步骤如下：​

1. 使用 compile() 函数将正则表达式的字符串形式编译为一个 Pattern 对象

2. 通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果，一个 Match 对象。

3. 最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作

compile 函数

compile 函数用于编译正则表达式，生成一个 Pattern 对象，它的一般使用形式如下：

import re

# 将正则表达式编译成 Pattern 对象
pattern = re.compile(r'\d+')

在上面，我们已将一个正则表达式编译成 Pattern 对象，接下来，我们就可以利用 pattern 的一系列方法对文本进行匹配查找了。

Pattern 对象的一些常用方法主要有：

• ​match 方法​：从起始位置开始查找，一次匹配
• ​search 方法​：从任何位置开始查找，一次匹配
• ​findall 方法​：全部匹配，返回列表
• ​finditer 方法​：全部匹配，返回迭代器
• ​split 方法​：分割字符串，返回列表
• ​sub 方法​：替换