Python爬虫常用正则re.findall的使用

三颗草丶

已于 2022-08-11 15:06:54 修改

阅读量1.2w

点赞数 23

分类专栏： python 文章标签： python 爬虫

于 2022-05-01 00:15:00 首次发布

本文链接：https://blog.csdn.net/icanflyingg/article/details/124128611

版权

python 专栏收录该内容

14 篇文章 2 订阅

订阅专栏

re.findall正则符说明

1、单字符表达

. : 除换行以外所有字符
[] ：[aoe] [a-w] 匹配集合中任意一个字符
\d ：数字  [0-9]
\D : 非数字
\w ：数字、字母、下划线、中文
\W : 非\w
\s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]
\S : 非空白

2、数量修饰

* : 任意多次  >=0
+ : 至少1次   >=1
? : 可有可无  0次或者1次
{m} ：固定m次 hello{3,}
{m,} ：至少m次
{m,n} ：m-n次

3、边界

$ : 以某某结尾 
^ : 以某某开头

4、分组

(ab)

5、贪婪模式

.*

6、非贪婪惰性模式

.*?

7、re.findall 可以对多行进行匹配，并依据参数作出不同结果。

re.findall(取值,值,re.M)
    - re.M ：多行匹配
    - re.S ：单行匹配 如果分行则显示/n
    - re.I : 忽略大小写
    - re.sub(正则表达式, 替换内容, 字符串)

二、举例说明

1、提取出python
'''
key = 'javapythonc++php'

re.findall('python',key)
re.findall('python',key)[0]  ###[0]代表打印的时候去掉中括号和引号
2、提取出 hello word
'''
key = '<html><h1>hello word</h1></html>'
print(re.findall('<h1>.*</h1>', key))
print(re.findall('<h1>(.*)</h1>', key))
print(re.findall('<h1>(.*)</h1>', key)[0])
'''
3、提取170
'''
key = '这个女孩身高170厘米'
print(re.findall('\d+', key)[0])
'''
4、提取出http://和https://
'''
key = 'http://www.baidu.com and https://www.cnblogs.com'
print(re.findall('https?://', key))
'''
5、提取出 hello
'''
key = 'lalala<hTml>hello</HtMl>hahaha'   # 输出的结果<hTml>hello</HtMl>
print(re.findall('<[hH][tT][mM][lL]>(.*)</[hH][tT][mM][lL]>',key))
'''
6、提取hit. 贪婪模式;尽可能多的匹配数据
'''
key = 'qiang@hit.edu.com'                # 加?是贪婪匹配,不加?是非贪婪匹配
print(re.findall('h.*?\.', key))
'''
7、匹配出所有的saas和sas
'''
key = 'saas and sas and saaas'
print(re.findall('sa{1,2}s',key))
'''
8、匹配出 i 开头的行
'''
key = """fall in love with you
i love you very much 
i love she
i love her
"""
print(re.findall('^i.*', key, re.M))
'''
9、匹配全部行
'''
key = """
<div>细思极恐
你的队友在看书,
你的闺蜜在减肥,
你的敌人在磨刀,
隔壁老王在练腰.
</div>
"""
print(re.findall('.*', key, re.S))
'''

三颗草丶

关注

23
点赞
踩
118

收藏

觉得还不错? 一键收藏
打赏
2
评论
Python爬虫常用正则re.findall的使用

re.findall正则符说明：单字符表达. : 除换行以外所有字符[] ：[aoe] [a-w] 匹配集合中任意一个字符\d ：数字 [0-9]\D : 非数字\w ：数字、字母、下划线、中文\W : 非\w\s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]\S : 非空白数量修饰* : 任意多次 >=0+ : 至少1次 >=1? : 可有可无 0次或者1次{m} ：固定m次 hello{3,}{m,}
复制链接

扫一扫