Python爬虫正则表达式常用符号和方法

正则表达式是一种强大的工具，可以用于匹配、查找和替换文本中的模式。在Python爬虫中，正则表达式常用于解析HTML、XML等文本数据。本攻略将详细讲解Python爬虫正则表达式常用符号和方法，包括基本用法、常用符号和示例应用。

基本用法

在Python中使用re模块提供的函数来操作正则表达式。re模块提供了以下常用函数：

• re.search(pattern, string, flags=0)：在字符串中搜索正则表达式的第一个匹配项。
• re.match(pattern, string, flags=0)：在字符串的开头匹配正则表达式。
• re.findall(pattern, string, flags=0)：在字符串中搜索正则表达式的所有匹配项。
• re.sub(pattern, repl, string, count=0, flags=0)：在字符串中搜索正则表达式的所有匹配项，并将其换指定字符串。

其中，pattern参数表示正则表达式，string表示匹配的字符串，flags参数表示正则表达式的匹配模式。

常用符号

下面是一些常用的正则表达式符号：

• .：匹配任意字符，除换行符。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• ^：匹配字符串的开头。
• $：匹配字符串的结尾。
• []：匹配括号中的任意一个字符。
• ()：将括号中的字符作为一个整体进行匹配。
• |：匹配两个或多个正则表达式中的任意一个。

示例1：匹配字符串中的数字

下面是一个例子，演示如何使用正则表达匹配字符串中的数字：

import re

text = 'The price is $1099.'
pattern = r'\d+'
result = re.findall(pattern, text)
if result:
    print('Matches found:', result)
else:
    print('Matches not found')

在上面的代码中，我们使用正则表达式\d+匹配字符串中的数字。\d表示匹配一个数字字符，+表示匹配一个或多个数字字符。findall()函数可以返回所有匹配的结果。运行代码后，输出结果为Matches found: ['1099']。

示例2：匹配HTML标签中的文本内容

下面是另一个例子，演示如何使用正则表达式匹配HTML标签中的文本内容：

import re

text '<h1>Welcome to my website</h1>'
pattern = r'<.*?>(.*?)</.*?>'
result = re.search(pattern, text)
if result:
    print('Match found:', result.group(1))
else:
    print('Match not found')

在上面的代码中，我们使用正则表达式<.?>(.?)匹配HTML标签中的文本内容。<.?>表示匹配一个或多个任意字符，.?表示非贪婪匹配，()表示将.*?匹配到的字符串作为捕获组。search()用于在字符串中搜索正则表达式的第一个匹配项。运行代码后，输出结果为Match found: Welcome to my website`。

总结

本攻略详细讲解了Python爬虫正则表达式常用符号和方法，包括基本用法、常用符号和示例应用。正则表达式是一种强大的工具，可以用于解析HTML、XML等文本数据。演示了如何使用正则表达式匹配字符串中的数字、匹配HTML标签中文本内容。希望读者可以通过这些示例更好地理解正则表达式的应用。