2.1、匹配目标
使用括号（）将想要提取的字符串括起来。（）实际上标记了一个子表达式的开始和结束位置，被标记的每个子表达式依此对应每个分组，调用group方法传入分组的索引即可获得提取结果。
content = 'Hello 1234567 World\_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld',content)
print(result) # print(result.group()) # Hello 1234567 World print(result.group(1)) # 1234567 print(result.span()) # (0, 19) # 成功得到被括号括起来的1234567，group()会输出完整的匹配结果，而group(1)会输出第一个括号的匹配结果，同理，若还有括号，可group(2)、group(3)... 2.2、通用匹配 上述空白字符需要写\s匹配、数字\d匹配，量大。因此，万能匹配：.* 其中.可以匹配任意字符(除换行符)，*代表匹配前面字符无数次。改写上述代码： content = 'Hello 123 4567 world\_This is a Regex Demo' result = re.match('^Hello.\*Demo$',content) print(result) # print(result.group()) # Hello 123 4567 world\_This is a Regex Demo print(result.span()) # (0, 41) 2.3、贪婪与非贪婪 贪婪匹配下、**.会匹配尽可能多的字符*。非贪婪匹配、.*?会匹配尽可能少的字符、但如果匹配的结果在字符串结尾，则可能匹配不到任何内容。 import re content = 'Hello 1234567 World\_This is a Regex Demo' result1 = re.match('^He.\*(\d+).\*Demo$',content) result2 = re.match('^He.\*?(\d+).\*Demo$',content) print(result1.group(1)) # 7 print(result2.group(1)) # 1234567 # 贪婪匹配下、.\*把123456都匹配了，只剩下7给\d+匹配。 # 非贪婪匹配下、.\*?把1234567交给\d+匹配。 2.4、修饰符 当遇到换行符时，.*?就不能匹配了。此时，加上修饰符re.S即可修正。 import re content = '''Hello 1234567 World\_This is a Regex Demo''' result = re.match('^He.\*?(\d+).\*?Demo$',content,re.S) print(result.group(1)) # 1234567 修饰符描述re.I使匹配对大小写不敏感re.L实现本地化识别（locale-aware）匹配re.M多行匹配，影响^和$re.S使匹配内容包括换行符在内的所有字符re.U根据Unicode字符集解析字符，这个标志会影响\w、\W、\b和\B\re.X该标志能够给予你更灵活的格式，以便将正则表达式书写的便于理解 2.5、转义匹配 当目标字符串中遇到用作正则匹配模式的特殊字符时，在 此字符前面加反斜杠\转义一下即可。 content = '(百度)www.baidu.com' result = re.match('\(百度\)www\.baidu\.com',content) print(result) # 2.6、search **search方法在匹配时会扫描整个字符串，然后返回第一个匹配成功的结果。**也就是说，正则表达式可以是字符串的一部分。在匹配时，search方法会依次以每个字符作为开头扫描字符串，直到找到第一个符合规则的字符串，然后返回匹配的内容。 content = 'Extra stings Hello 1234567 World\_This s Regex Demo Extra stings' result = re.search('Hello.\*?(\d+).\*?Demo',content) print(result) # 1234567 2.7、findall findall方法能获取与正则表达式相匹配的所有字符串。其返回的结果是列表类型，需要通过遍历来依次获取每组内容。 # 上述代码改写 results = re.findall(' for result in results: # print(result) print(result[0],result[1],result[2]) #/2.mp3 任贤齐 沧海一声笑 #/3.mp3 齐泰 往事随风 #/4.mp3 beyond 光辉岁月 #/5.mp3 陈慧琳 记事本 #/6.mp3 邓丽君 但愿人长久 2.8、sub 除了使用正则表达式提取信息，还可借助来修改文本。 content = '54aK54yr5oiR54ix5L2g' content = re.sub('\d+','',content) print(content) # aKyroiRixLg # sub()方法中的第一个参数传入\d+匹配所有数字，第二个参数中传入把数字替换成的字符串，第三个参数是原字符串。 html = re.sub(' print(html) results = re.findall(' for result in results: print(result.strip()) # 一路上有你 #沧海一声笑 #往事随风 #光辉岁月 #记事本 #但愿人长久 # sub方法处理后，a节点就没有了，然后findall方法直接提取即可。 2.9、compile compile可以将正则表达式编译成正则表达式对象，以便在后面的匹配中复用。可以说compile方法是给正则表达式做了一层封装。 content1 = '2019-12-15 12:00' content2 = '2019-12-17 12:55' content3 = '2019-12-22 12:55' pattern = re.compile('\d{2}:\d{2}') # 去掉时间正则表达式 result1 = re.sub(pattern,'',content1) # 复用 result2 = re.sub(pattern,'',content2) result3 = re.sub(pattern,'',content3) print(result1,result2,result3) # 2019-12-15 2019-12-17 2019-12-22 四、httpx的使用* 有些网站强制使用HTTP/2.0协议访问，这时urllib和reequests是无法爬取数据的，因为它们只支持HTTP/1.1。 hyper和httpx是支持HTTP/2.0的请求库，requests已有的功能它几乎都支持。 1、示例* url = 'https://spa16.scrape.center/' response = requests.get(url) print(response.text) # 报错，无法访问 2、安装 pip3 install "httpx[http2]" 3、基本使用 GET请求： import httpx client = httpx.Client(http2=True) response = client.get('https://spa16.scrape.center') print(response.text) 大多与requests相似 4.Client对象 自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。 深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！ 因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。 既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！ 由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新 如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python） blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png) 既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！ 由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新 如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python） 参考链接
发表评论