Python爬虫正则表达式常用符号和方法

Python语言虽然历史悠久，但直到最近几年才真正崭露头角。随着技术的不断进步，Python爬虫技术也逐渐成为网络数据获取的重要工具。在Python爬虫中，正则表达式扮演着至关重要的角色。我们将介绍Python爬虫正则表达式常用的符号和方法，以及具体用法。对SEO优化、长沙网络推广和Python爬虫技术感兴趣的同学们，快来了解一下吧！

正则表达式是一种强大的字符串处理工具，它拥有独特的语法和独立的处理引擎。虽然在效率上可能不如Python内置的str方法，但其功能之强大无可否认。正则表达式的语法在各种编程语言中是通用的，只是在不同的语言中支持的语法数量有所不同。

一、常用符号

1. .：匹配任意字符（除换行符外）。

2. ：匹配前一个字符0次或无限次。

3. ?：匹配前一个字符0次或1次。

4. ：表示贪心算法，尽可能匹配更多的字符。

5. .?：表示非贪心算法。

6. ()：括号内的数据作为结果返回。

二、常用方法

1. findall：匹配所有符合规律的内容，返回包含结果的列表。

2. search：匹配并提取第一个符合规律的内容，返回一个正则表达式对象。

3. sub：替换符合规律的内容，返回替换后的值。

三、使用示例

1. 演示"."的使用：匹配任意字符（除换行符外）。

2. 演示""的使用：匹配前一个字符0次或无限次。

3. 演示"?"的使用：匹配前一个字符0次或1次。

4. 演示"."与贪婪算法的结合使用。

secret_code = 'hadkfalifeIfasdjifja134love23345sdfyou8dfse'。这是一个包含各种字符和模式的字符串。我们想要从中提取某些特定的片段。

（6）括号（）的使用：括号用于捕获匹配的子字符串。例如：

c = re.findall('(.?)', secret_code)

print(c) 输出结果：['I', 'love', 'you']。括号内的内容作为匹配的结果返回。

（7）re.S的使用：re.S标志允许`.`匹配任何字符，包括换行符。例如：

s = '''sdfhellofsdfworldasdf'''

d = re.findall('(.?)', s, re.S)

print(d) 输出结果：['hello', 'world']，re.S的作用在于使.在匹配时包括字符。

（8）findall的使用：findall方法返回所有匹配的子字符串组成的列表。例如：

s2 = 'asdfI123lovedfd'

f2 = re.findall('(. ?)123(. ?)', s2)

print(f2) 打印的结果为包含两个元素的元组，这里为'love'。如果s2包含多个匹配的子串，f2将包含多个这样的元组。

（9）search的使用：search方法只返回第一个匹配的子字符串。例如：

f = re.search('(. ?)123(. ?)', s2).group(2)

print(f) 打印的结果为'love'，group(2)表示返回第二个括号匹配到的内容。

（10）sub的使用：sub方法用于替换匹配的子字符串。例如：

s = '123rrrrr123'

output = re.sub('123(.?)123', '123%d123'%789, s)

print(output) 打印的结果为替换后的字符串'123789123'。

（11）\d的使用：\d用于匹配数字。例如：

a = 'asdfasf1234567fasd555fas'

b = re.findall('(\d+)', a)

print(b) 打印的结果为所有数字字符串的列表，如['1234567', '555']。\d+可以匹配一个或多个连续的数字。