python正则表达式爬虫_python爬虫正则表达式 一定要知道的by地瓜君

2024-03-03 16:50

本文主要是介绍python正则表达式爬虫_python爬虫正则表达式 一定要知道的by地瓜君,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

python爬虫正则表达式,本文原创自www.iplaypy.com玩蛇网会员:地瓜君同学

1-15111GH33Eb.jpg

python爬虫正则表达式介绍,学习爬虫可能会是要做python 漏洞扫描,特别写个篇 文章给大家。T_T!!! 一起学习奥哈。因为自己学爬虫的时候遇到了正则表达式这个东西,当时觉得头好晕。请原谅一个文科生的逻辑思维。最近又仔细看了几遍,就把正则表达式的相关内容到这里填充一下。 今天说说元字符是什么东西。

\ ^ $ * + . | ? {} [] () 这就是元字符了,学会这些应该就够你用的了。

python中的正则表达式通过import re 来使用。 www.iplaypy.com python教程

1python爬虫正则表达式,[] 常用来指定一个字符集,如:[abc ]; [a-z] 里面所有的字母会被一一匹配 例子:

1-15111GH54X02.png

面例子都解释的很清楚了,我就不重复一行行解释了。 注: 示例中^表示取反。

[a-z]表示 从字母a到z所有的字母。

[0-9]等价于[0123456789] 也可以用\d 表示。 所有其它的元字符在[]中将失去原有的意义,比如示例中的^在[]表示取反。

2,^ 表示匹配字符串的开头。在多行模式下匹配每一行的开头。

1-15111GHF92R.png

注:^一般放在字符串开头

3,$ 表示匹配字符串的结尾。在多行模式下匹配每一行的尾部。

1-15111GHU4137.jpg

注:$一般放在字符串结尾。

上面三个可以看成一个小块,你记住了吗?理解了吗?看明白了吗?还有你自己敲一遍代码了吗?????!!!!一定自己尝试敲一遍代码!

好接下来,继续 由于元字符是特殊字符,如果我们要匹配元字符本身的字符应该怎么办呢? 当我们想把元字符变为为普通符号是可以使用\(反斜杠)进行转义。

4,\反斜杠后面可以加不同的字符以表示特殊意义。 也可用于取消所有元字符,变为普通符号。

\d 匹配任何十进制数:相当于[0-9]

\D 匹配任何非数字字符:相当于 [^0-9]

\s 匹配任何空白字符:相当于 [\t\n\r\f\v]

\S 匹配任何非空白字符:相当于 [^\t\n\r\f\v]

\w 匹配任何字母数字下划线字符:相当于[a-zA-Z0-9_]

\W 匹配任何非字母数字下划线字符:相当于[^a-zA-Z0-9_]

你只要能记住加黑加粗的其它的我打赌你肯定也全会了。所以记住加粗的,自己把下面的代码敲一遍。 示例

1-15111GI014H4.jpg

正则表达式可以匹配不定长的字符集,另外也可以指定字符串的重复次数。

* (星号) 指定前一个字符可以匹配0次或者多次,而不是只有1次,匹配结果会尽可能的重复多次最大不超过20亿次。(后面若加问号?变为非贪婪模式仅匹配0次:ab*? 结果为a)

+ (加号) 匹配前一个字符1次或者多次。(后面若加问号?变为非贪婪模式仅匹配1次:ab+? 结果为ab)

? (问号) 匹配前一个字符0次或者1次。(后面若加问号?变为非贪婪模式仅匹配0次:ab?? 结果为a) ?可以是python原本的贪婪模式变为非贪婪模式。

{m} (花括号) m是数字,表示重复前一个字符m次。

{m,n} 表示重复前一个字符m-n次。若省略m则表示0-n次,若省略n表示m到无限次。(后面若加问号?变为非贪婪模式仅匹配0次:ab{2,100}? 结果为abb)

1-15111GI43Q43.jpg

下面是个三个元字符。这三个在爬虫的正则表达式中常被用到,请爱它们。

() | . . 它匹配除了换行字符外的任何字符,在 alternate 模式(re.DOTALL)下它甚至可以匹配换行

| 代表左右表达式任意匹配一个。a|b 匹配a或者匹配b 。 如果没有被(...)括起来它的范围是整个正则表达式。

(...) 将正则表达式分组,每个分组为一个整体,将优先返回分组内的数据。 接下来我们来匹配一个玩蛇网的title html代码

玩蛇网论坛-Python编程开发主题学习社区 - Powered by Discuz!

1-15111GIG4505.jpg

1-15111GIJO38.jpg

本文原创自www.iplaypy.com玩蛇网会员:地瓜君同学

玩蛇网文章,转载请注明出处和文章网址:https://www.iplaypy.com/crawler/248.html

相关文章 Recommend

这篇关于python正则表达式爬虫_python爬虫正则表达式 一定要知道的by地瓜君的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/770266

相关文章

使用Python创建一个能够筛选文件的PDF合并工具

《使用Python创建一个能够筛选文件的PDF合并工具》这篇文章主要为大家详细介绍了如何使用Python创建一个能够筛选文件的PDF合并工具,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录背景主要功能全部代码代码解析1. 初始化 wx.Frame 窗口2. 创建工具栏3. 创建布局和界面控件4

一文详解如何在Python中使用Requests库

《一文详解如何在Python中使用Requests库》:本文主要介绍如何在Python中使用Requests库的相关资料,Requests库是Python中常用的第三方库,用于简化HTTP请求的发... 目录前言1. 安装Requests库2. 发起GET请求3. 发送带有查询参数的GET请求4. 发起PO

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3

Python进行PDF文件拆分的示例详解

《Python进行PDF文件拆分的示例详解》在日常生活中,我们常常会遇到大型的PDF文件,难以发送,将PDF拆分成多个小文件是一个实用的解决方案,下面我们就来看看如何使用Python实现PDF文件拆分... 目录使用工具将PDF按页数拆分将PDF的每一页拆分为单独的文件将PDF按指定页数拆分根据页码范围拆分

Python中常用的四种取整方式分享

《Python中常用的四种取整方式分享》在数据处理和数值计算中,取整操作是非常常见的需求,Python提供了多种取整方式,本文为大家整理了四种常用的方法,希望对大家有所帮助... 目录引言向零取整(Truncate)向下取整(Floor)向上取整(Ceil)四舍五入(Round)四种取整方式的对比综合示例应

python 3.8 的anaconda下载方法

《python3.8的anaconda下载方法》本文详细介绍了如何下载和安装带有Python3.8的Anaconda发行版,包括Anaconda简介、下载步骤、安装指南以及验证安装结果,此外,还介... 目录python3.8 版本的 Anaconda 下载与安装指南一、Anaconda 简介二、下载 An

Python自动化处理手机验证码

《Python自动化处理手机验证码》手机验证码是一种常见的身份验证手段,广泛应用于用户注册、登录、交易确认等场景,下面我们来看看如何使用Python自动化处理手机验证码吧... 目录一、获取手机验证码1.1 通过短信接收验证码1.2 使用第三方短信接收服务1.3 使用ADB读取手机短信1.4 通过API获取

python安装whl包并解决依赖关系的实现

《python安装whl包并解决依赖关系的实现》本文主要介绍了python安装whl包并解决依赖关系的实现,文中通过图文示例介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 目录一、什么是whl文件?二、我们为什么需要使用whl文件来安装python库?三、我们应该去哪儿下

Python脚本实现图片文件批量命名

《Python脚本实现图片文件批量命名》这篇文章主要为大家详细介绍了一个用python第三方库pillow写的批量处理图片命名的脚本,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言源码批量处理图片尺寸脚本源码GUI界面源码打包成.exe可执行文件前言本文介绍一个用python第三方库pi

Python中多线程和多进程的基本用法详解

《Python中多线程和多进程的基本用法详解》这篇文章介绍了Python中多线程和多进程的相关知识,包括并发编程的优势,多线程和多进程的概念、适用场景、示例代码,线程池和进程池的使用,以及如何选择合适... 目录引言一、并发编程的主要优势二、python的多线程(Threading)1. 什么是多线程?2.