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!


原文地址:https://blog.csdn.net/weixin_39681486/article/details/110179522
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/770266

相关文章

Python使用Reflex构建现代Web应用的完全指南

《Python使用Reflex构建现代Web应用的完全指南》这篇文章为大家深入介绍了Reflex框架的设计理念,技术特性,项目结构,核心API,实际开发流程以及与其他框架的对比和部署建议,感兴趣的小伙... 目录什么是 ReFlex?为什么选择 Reflex?安装与环境配置构建你的第一个应用核心概念解析组件

Python将字符串转换为小写字母的几种常用方法

《Python将字符串转换为小写字母的几种常用方法》:本文主要介绍Python中将字符串大写字母转小写的四种方法:lower()方法简洁高效,手动ASCII转换灵活可控,str.translate... 目录一、使用内置方法 lower()(最简单)二、手动遍历 + ASCII 码转换三、使用 str.tr

Python处理超大规模数据的4大方法详解

《Python处理超大规模数据的4大方法详解》在数据的奇妙世界里,数据量就像滚雪球一样,越变越大,从最初的GB级别的小数据堆,逐渐演变成TB级别的数据大山,所以本文我们就来看看Python处理... 目录1. Mars:数据处理界的 “变形金刚”2. Dask:分布式计算的 “指挥家”3. CuPy:GPU

Python多进程、多线程、协程典型示例解析(最新推荐)

《Python多进程、多线程、协程典型示例解析(最新推荐)》:本文主要介绍Python多进程、多线程、协程典型示例解析(最新推荐),本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定... 目录一、multiprocessing(多进程)1. 模块简介2. 案例详解:并行计算平方和3. 实现逻

Python对PDF书签进行添加,修改提取和删除操作

《Python对PDF书签进行添加,修改提取和删除操作》PDF书签是PDF文件中的导航工具,通常包含一个标题和一个跳转位置,本教程将详细介绍如何使用Python对PDF文件中的书签进行操作... 目录简介使用工具python 向 PDF 添加书签添加书签添加嵌套书签Python 修改 PDF 书签Pytho

正则表达式r前缀使用指南及如何避免常见错误

《正则表达式r前缀使用指南及如何避免常见错误》正则表达式是处理字符串的强大工具,但它常常伴随着转义字符的复杂性,本文将简洁地讲解r的作用、基本原理,以及如何在实际代码中避免常见错误,感兴趣的朋友一... 目录1. 字符串的双重翻译困境2. 为什么需要 r?3. 常见错误和正确用法4. Unicode 转换的

利用Python实现可回滚方案的示例代码

《利用Python实现可回滚方案的示例代码》很多项目翻车不是因为不会做,而是走错了方向却没法回头,技术选型失败的风险我们都清楚,但真正能提前规划“回滚方案”的人不多,本文从实际项目出发,教你如何用Py... 目录描述题解答案(核心思路)题解代码分析第一步:抽象缓存接口第二步:实现两个版本第三步:根据 Fea

Python中CSV文件处理全攻略

《Python中CSV文件处理全攻略》在数据处理和存储领域,CSV格式凭借其简单高效的特性,成为了电子表格和数据库中常用的文件格式,Python的csv模块为操作CSV文件提供了强大的支持,本文将深入... 目录一、CSV 格式简介二、csv模块核心内容(一)模块函数(二)模块类(三)模块常量(四)模块异常

Python报错ModuleNotFoundError的10种解决方案

《Python报错ModuleNotFoundError的10种解决方案》在Python开发中,ModuleNotFoundError是最常见的运行时错误之一,通常由模块路径配置错误、依赖缺失或命名冲... 目录一、常见错误场景与原因分析二、10种解决方案与代码示例1. 检查并安装缺失模块2. 动态添加模块

python利用backoff实现异常自动重试详解

《python利用backoff实现异常自动重试详解》backoff是一个用于实现重试机制的Python库,通过指数退避或其他策略自动重试失败的操作,下面小编就来和大家详细讲讲如何利用backoff实... 目录1. backoff 库简介2. on_exception 装饰器的原理2.1 核心逻辑2.2