网络爬虫_re正则表达式

"""正则表达式re

概念
    检索符合某个规则的字符串。
    通用的字符串表达框架。
    简洁表达一组字符串。

常用
    表达文本类型的特征。
    同时查找或替换一组字符串。
    匹配字符串全部或部分。"""


# --------------------------------------
"""正则表达式语法

常用操作符
    .    # 表示任何单字符。
    []   # 字符集，对单个字符给出取值范围。[abc][a-z]
    [^]  # 非字符集。[^abc]除了abc以外的单个字符
    *    # 前一个字符0次或无限次扩展。
    +    # 前一个字符1次或无限次扩展。
    ?    # 前一个字符0次或1次扩展。
    |    # 左右表达式任意一个，等同于或。
    
    {m}  # 扩展前一个字符m次，ab{2}c表示abbc。
    {m, n}  # 扩展前一个字符m或n，ab{1, 2}c表示abc和abbc。
    ^    # 匹配字符串开头，^abc表示字符串abc且在一个字符串开头。
    $    # 匹配字符串结尾，abc$表示字符串abc且在一个字符串结尾。
    ()   # 分组标记，(abc|def)表示abc和def。
    \d   # 数字，等价于[0-9]。
    \w   # 单词字符，等价于[A-Za-z0-9]。
    
    
实例
P(Y|YT|YTH|YHTO)?N  # 'PN' 'PYN' 'PYTN' 'PYTHN' 'PYTHON'
PYTHON+  # 'PYTHON' 'PYTHONN' 'PYTHONNN' ... ...
PY[TH]ON  # 'PYTON' 'PYHON'
PY{:3}N  # 'PN' 'PYN' 'PYYN' 'PYYYN'

IP地址
\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}  # 表示四个用.分隔开的三位数。
精确表示
0-99: [1-9]?\d
100-199: 1\d{2}
200-249: 2[0-4]\d
250-255: 25[0-5]
IP: (([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])
# {3}重复三个0-255的数字后加'.' 最后加一个0-255的数字。"""



# ----------------------------------------------------
"""re库主要功能函数
re.search()  # 搜索第一个匹配正则表达式的对象。
re.match()  # 只在开始位置搜索匹配对象。
re.findall()  # 搜索整个字符串，返回全部匹配对象, 返回列表类型。
re.split()  # 按匹配结果进行分割，返回列表类型。
re.finditer()  # 搜索字符串，返回第一个匹配结果的迭代类型。
re.sub()  # 替换所有匹配字符串，返回替换后的字符串。


pattern  # 正则表达式字符串，原生字符串。
string  # 要匹配的字符串。
flags  # 正则表达式使用时的控制标记。

re.search(pattern, string, flags=0)
re.match(pattern, string, flag=0)
re.sub(pattern, repl, string, count=0, flags=0)
repl  # 替换匹配字符串的字符串。
count  # 替换匹配的最大次数。"""


import re
match = re.search(r'[1-9]\d{5}', 'BIT 100081')
print(match.span())  # (4, 10)匹配到的字符位置
print(match.group())


match1 = re.match('[1-9]\d]{5}', 'BIT 100081')
if match1:  # 如果match1中没有匹配到元素，输出None.
    print(match.group())
else:
    print('None')


li = re.findall(r'[1-9]\d{5}', 'BIT 100081 IAS 124565')
print(li)  # findall返回的是一个列表


li1 = re.split(r'[1-9]\d{5}', 'BIT 100081 IAS 124565')
print(li1)  # ['BIT ', ' IAS ', ''] 将匹配到的部分去掉，分割剩下的字符串。

"""正则表达式re

概念
    检索符合某个规则的字符串。
    通用的字符串表达框架