python网络爬虫：正则提取爬虫结果，教你如何使用正则表达式

我们在使用python进行网络爬虫获取到文本内容之后，需要对文本内容进行加工处理，匹配并提取出我们需要的内容。对于这样的需求，我们可以耐心的在python代码中逐个列出你想要匹配的字符串，这或许是个庞大而费时的任务。更好的一种方式，是采用正则表达式进行匹配我们使用python爬虫到的内容。

什么是正则表达式？

正则表达式是刻画字符串特征的一段特殊的字符串。python中正则表达式可以对应一组字符串，正则表达式可以用有穷的规则去刻画无穷多个字符串。

python中正则表达式的语法：

python中正则表达式由字符和操作符构成。下面是python中正则表达式常用的操作符：

python正则表达式

python正则表达式

然后我们可以看几个python正则表达式的例子：匹配中文字符：[\u4e00-\u9fa5]；匹配IP地址：(([1‐9]?\d|1\d|2[0‐4]\d|25[0‐5]).)([1‐9]?\d|1\d|2[0‐4]\d|25[0‐5])

还有更多的例子可以帮助理解python正则表达式的使用：

python正则表达式实例

在python中如何应用正则表达式？

首先，在python中我们要导入python基本库re，像是这样import re。在python中正则表达式的表示有两种类型：raw string类型：如  r'\d' 表示匹配数字。string类型：如 '\\d' 表示匹配数字。

在python中使用正则表达式有两种方式：

如在字符串中匹配字符p或y，第一种使用方式：rst = re.search(r'[py]', 'python') ；第二种方式：pat = re.compile(r'[py]')  rst = pat.search('python') 。两种方式的结果完全一样，在同一匹配规则需要应用多次的时候，应用第二种方式更好。

下图是在python中使用正则表达式的常用方法：

python中re常用方法

在python中使用正则表达式进行匹配的时候，要注意python中默认的匹配原则是贪婪匹配，即匹配符合正则表达式定义规则的最长的字符串。但是，有的时候我们希望执行最小匹配，此时，我们可以在那些长度输出可能不同的匹配规则中，在造成长度输出可能不同的操作符后增加“？”变成最小匹配。如在 “*”后加“？”变成“*？”实现最小匹配。