9.1. 今日目标
9.2.【了解】正则表达式概述
- 正则表达式概念:规则表达式(一套特殊的规则)
- 正则表达式的作用:
- 验证数据的有效性(查找)
- 替换文本内容
- 从字符串中提取子字符串(爬虫思想)
9.3.【了解】测试工具介绍
- regexbuddy 用来测试 正则表达式的正确性
- 使用:
- 选择 python3.6
- test 选项卡
9.4.【记忆】匹配单个字符
-
.
匹配任意单个字符(除\n) -
[]
列举,匹配[] 中列举的内容 -
\d
匹配所有的数字 等价于 [0-9] -
\D
非数字 -
\s
空格 -
\S
非空格 -
\w
匹配 字母、数字、下划线 -
\W
非数字、非字母、非下划线
9.5.【记忆】匹配多个字符
-
*
表示前一个字符出现 0次或者 无限次 -
+
表示 前一个字符出现 1次或者 无限次 -
?
表示 前一个字符出现 0 次或者 1次 (要不不出现,要不只能出现一次) -
{m}
表示前一个字符,连续出现 m次 -
{m,n}
表示前一个字符,连续出现最少m次,最多n次
9.6.【记忆】匹配开头结尾
-
^
表示 匹配 以后一个字符开头 -
$
表示匹配 以前一个字符结尾
9.7.【理解】re模块操作
-
re模块的作用: python提供的用于正则操作的模块
-
re模块的使用步骤:
-
导入模块
-
使用match() 方法进行检测
-
判断是否检测/匹配成功
-
取出匹配的具体内容
-
9.8.【理解】匹配分组之"|"
-
|
的作用:或者关系,多个正则表达式满足任意一个都可以
9.9.【理解】匹配分组之"()"
-
分组,整体匹配
-
提取子字符串
9.10.【理解】匹配分组之‘\’
-
引用 分组
\1 表示引用第一组
# result = re.match("<([a-zA-Z0-9]+)>.*</\\1>", "<html>asdbasldfj</html>") result = re.match("<([a-zA-Z0-9]+)><([a-zA-Z0-9]+)>.*</\\2></\\1>", "<html><h1>asdbj</h1></html>")
-
分组起别名
-
起名
-
引用别名
-
整体代码:
-
9.11.【理解】re模块的高级用法
-
search() 在需要匹配的字符串中搜索要匹配的内容
-
findall() 在需要匹配的字符串中查找所有满足正则的内容,返回值是列表
-
sub(“正则表达式”, “新的内容”, “要替换的字符串”) 字符串替换(按照正则,查找字符串并且替换为指定的内容)返回值是替换后的字符串
-
split(“正则表达式”, “待拆分的字符串”) 按照正则拆分字符串,返回值是一个列表
9.12.【理解】贪婪和非贪婪
- 贪婪:默认,表示在满足正则的情况尽可能多的取内容
- 非贪婪:表示在满足正则的情况下,尽可能少的取内容
- 贪婪的转变为非贪婪: 在 * ? + {} 的后面再加上 ?就可以了
9.13.【记忆】r的作用
- r的作用: 让正则中的 \ 表示原生的含义,仅仅对
\
起作用
9.14.【应用】案例:《简单爬虫-批量获取电影下载链接》
-
思路: