python-day4爬虫基础之正则表达式

正则表达式：（字符串匹配）

1. 使用单个字符串来描述匹配一系列符合某个句法规则的字符串
2. 是对字符串操作的一种逻辑公式
3. 应用场景：处理文本和数据
4. 正则表达式过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功；否则，匹配失败。

首先需要导入re这个模块 import re

\d表示数字，+表示匹配1到多个数字

.表示匹配任意的字符

*表示0到多个所有的字符

\$ 将美元字符转义一下

\.  将点.转义 ？表示匹配0个或者1个小数点 \d 表示数字 *表示匹配0到多个数字

groups是一个方法，他可以将正则表达式里相匹配的项打印出来

re.search：搜索字符串，找到匹配的第一个字符串（搜索字符串任意位置的匹配）

re.match：从字符串开始开始匹配（只从字符串的起始位置开始匹配）

match是匹配字符串开头为‘d’的字符串，而我们给出的字符串是‘abcdef’，开头为‘a’，显然是不匹配的，所有最终的运行结果是‘None’

如果改正的话，我们可以从前边加上‘.*’，因为‘.’代表匹配任意的字符，‘*’代表0到多个字符，也就是在‘d’的前边可以有0到多个任意字符，这就可以匹配了，如下图所示：

从图中可以看出，结果是abcd，后边的ef没匹配出来，同理，我们在后边也加上‘.*’，就可以得到‘abcdef’，如下图所示：

还有一种，就是我们在search那的‘d’前边加‘^’,他的意思就是严格搜索以‘d’为开头的字符串，这样的话，运行结果就不得而知了，如下：

split：使用正则表达式来分割字符串

先看程序：

\W:任意的非字母，只要不是字母,就将其作为界限，把其分割出来的。

findall：根据正则表达式从左向右搜索匹配项，返回匹配的字符串列表。Search，是搜索到匹配的第一个，他就停下来；而findall，搜索出所有的匹配项，返回的是所有匹配项的字符串列表。

第一个print：\w+，匹配1到多个字符，等匹配完this，碰到空格，还会继续往下匹配，直到最后。

第二个print:\d+,匹配匹配1到多个数字，之所以没有打印出9.90，而是分开打印的，是因为碰到小数点以后，就继续往下寻找，自动与前一个匹配结果分开了。

那怎么才能打印出9.90呢，我们先加一个‘\.’ ， 意思是匹配小数点，然后小数点在文本中可能有，也可能没有，所以，再加一个‘？’，小数点后边可能还有数字，所以再加一个\d，再加一个*，表示可能有0个数字，也可能有多个数字。如下所示：

finditer：根据正则表达式从左到右搜索匹配项，返回一个迭代器迭代返回 ，迭代器里的每一个元素都是一个matchobject，你可以对matchobject进行一个操作，如下程序：

sub：字符串替换，里边有三个参数，如下：

pattern：正则表达式

repl：替换项，字符串或函数

string：待处理的字符串

程序如下所示：

以上就是今天所学，因为水平有限，可能有些地方的理解不是特别正确，还请多多指正，大家共同学习，一起进步。谢谢。