资源描述：
《Python爬虫程序设计KC18.pptx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、1.8正则表达式正则表达式是用来匹配与查找字符串的，从网上爬取数据自然或多或少会用到正则表达式。Python的正则表达式要先引入re模块，正则表达式以r引导，例如：importrereg=r"d+"m=re.search(reg,"abc123cd")print(m)其中r"d+"正则表达式表示匹配连续的多个数值，search是re中的函数，从"abc123cd"字符串中搜索连续的数值，得到"123"，返回一个匹配对象，因此程序的结果如下：<_sre.SRE_Matchobject;span=(3,6),
2、match='123'>从结果看出，在指定的字符串中找到了连续的数值，它们是"123"，span(3,6)表示开始位置是3，结束位置是6，这正好是"123"在"abc123cd"中的位置。Python中关于正则表达式的规则比较多，下面将介绍主要的内容，详细内容读者可以参考相关资料。1、字符"d"匹配0-9之间的一个数值。例如：importrereg=r"d"m=re.search(reg,"abc123cd")print(m)结果找到了第一个数值"1":<_sre.SRE_Matchobject;span
3、=(3,4),match='1'>2、字符"+"重复前面一个匹配字符一次或者多次。例如：importrereg=r"bd+"m=re.search(reg,"a12b123c")print(m)结果找到了"b123":<_sre.SRE_Matchobject;span=(3,7),match='b123'>注意：r"bd+"第一个字符要匹配"b"，后面是连续的多个数字，因此是"b123"，不是"a12"。3、字符"*"重复前面一个匹配字符零次或者多次。"*"与"+"类似，但有区别，例如：importre
4、reg=r"ab+"m=re.search(reg,"acabc")print(m)reg=r"ab*"m=re.search(reg,"acabc")print(m)结果：<_sre.SRE_Matchobject;span=(2,4),match='ab'><_sre.SRE_Matchobject;span=(0,1),match='a'>4、字符"?"重复前面一个匹配字符零次或者一次。例如：importrereg=r"ab?"m=re.search(reg,"abbcabc")print(m)结果：<
5、_sre.SRE_Matchobject;span=(0,2),match='ab'>匹配结果是"ab"，其中b重复一次。5、字符"."代表任何一个字符，但是没有特别声明时不代表字符""。例如：importres="xaxby"m=re.search(r"a.b",s)print(m)结果"."代表了字符"x"<_sre.SRE_Matchobject;span=(1,4),match='axb'>6、"
6、"代表把左右分成两个部分。例如：importres="xaabababy"m=re.search(r
7、"ab
8、ba",s)print(m)结果匹配"ab"或者"ba"都可以：<_sre.SRE_Matchobject;span=(2,4),match='ab'>7、特殊字符使用反斜线""引导，例如"r"、""、"t"、"\"分别表示回车、换行、制表符号与反斜线自己本身。例如：importrereg=r"ab?"m=re.search(reg,"cabcabc")print(m)结果匹配"ab":<_sre.SRE_Matchobject;span=(1,4),match='ab'
9、>8、字符"b"表示单词结尾，单词结尾包括各种空白字符或者字符串结尾。例如：importrereg=r"carb"m=re.search(reg,"Thecarisblack")print(m)结果匹配"car"，因为"car"后面是以个空格：<_sre.SRE_Matchobject;span=(4,7),match='car'>9、"[]"中的字符是任选择一个，如果字符是ASCII码中连续的一组，那么可以使用"-"符号连接，例如[0-9]表示0-9的其中一个数字，[A-Z]表示A-Z的其中一个大写字符
10、，[0-9A-Z]表示0-9的其中一个数字或者是A-Z的其中一个大写字符。例如：importrereg=r"x[0-9]y"m=re.search(reg,"xyx2y")print(m)结果匹配"x2y":<_sre.SRE_Matchobject;span=(2,5),match='x2y'>10、"^"出现在[]的第一个字符位置，就代表取反，例如[^ab0-9]表示不是a、b，也不是0-9的数
