python爬虫技术：正则表达式的使用

正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。在进行字符串的相关处理的时候，正则表达式将是一个基础的工具。

python当中使用正则表达式极其容易，因为python提供了正则表达式专门的模块----re模块。re模块提供了许多函数，可以帮助你实现各种各样的功能。

接下来我们简单介绍下如何使用python中的re模块，主要说一说常用的函数。

python中匹配时最常用的函数re.findall(pattern,string,flags)：有三个参数，前两个是必须给定的，第三个参数是可选参数。功能是在字符串string中寻找和模式pattern匹配的所有子串，这些子串会构成一个列表返回给你。如果没有匹配的任何子串，将会返回空列表。

其中，我们重点说说pattern。pattern是你要给定的模式串，规定这样一个模式需要你了解一定规则。

python中最常用的模式pattern规则：

“.”：可以匹配任意一个字符。

“（re）”：匹配括号内的表达式，也表示一个组。

“\w”：匹配数字、字母和下划线。

“\W”：匹配非数字、字母和下划线。

“\d”：匹配数字。

“\D”：匹配非数字。（只要记住：小写字母和大写字母匹配的内容是互斥的。）

“re+”：代表re出现一次或多次。（至少出现一次）

“re*”：代表re出现零次或多次。（至少出现零次）

“re？”：代表可能出现零次或一次。（要么不出现，要么仅出现一次）

“a|b”：匹配a或者b。

然后，就是最后一个参数flags，可以用来控制匹配的模式。

比如，我们匹配一个字符串是否符合邮箱格式，我们的python程序可以这样写：

re.findall(r'.+@.*\.com', string)

python中替换字符串中的匹配项的函数re.sub(pattern,repl,string,count,flags)：五个参数。其中pattern依然是模式串，repl是替换的字符串，string是原始字符串，count是替换的最大次数（0代表替换所有匹配），flags是匹配模式之前介绍过。前三个是必选参数，后两个是可选参数。

比如，我们要把一个字符串中的非数字部分删掉，我们的python程序可以这样写：

num = re.sub(r'\D', "", string)

到此，我们的分享结束~欢迎大家一起探讨~