爬虫需要的正则表达式

常用符号

  1. .:匹配任意字符,换行符\n除外。几个点就匹配几个字符
    a = 'xyxy123'
    b1 = re.findall('x.',a)
    b2 = re.findall('x..',a)
    print(b2)
    print(b1)
    #['xyx']
    #['xy', 'xy']
  1. *:匹配前一个字符0次或者无限次
a = 'xyxyxx123'
b1 = re.findall('x*',a)
print(b1)
['x', '', 'x', '', 'xx', '', '', '', '']
  1. ?:匹配前一个字符0次或1次
a = 'xyxyxx123'
b1 = re.findall('x?',a)
print(b1)
#['x', '', 'x', '', 'x', 'x', '', '', '', '']
  1. .*:贪心算法
sd = 'asdfxxixxfhgjlkxxlovexxewrxhiu'
f = re.findall('xx.*?xx',sd)
print(f)
#['xxixxfhgjlkxxlovexx']
  1. .*?:非贪心算法
sd = 'asdfxxixxfhgjlkxxlovexxewrxhiu'
f = re.findall('xx.*?xx',sd)
print(f)
#['xxixx', 'xxlovexx']
  1. ():括号内的内容作为结果输出
sd = 'asdfxxixxfhgjlkxxlovexxewrxhiu'
f = re.findall('xx(.*?)xx',sd)
print(f)
#['i', 'love']

常用方法

1.findall():匹配所有符合规律的内容,并返回包含结果的列表
** 匹配数字时的用法**

sd = 'xxx123hkhlk245'
r = re.findall('(\d+)',sd)
print(r)
#['123', '245']

2.search():匹配并提取第一个符合规律的内容,返回一个正则表达式对象

sd = 'asdfxxixxfhgjlkxxlovexxewrxhiu'
s = re.search('xx.*xxfhgjlkxx(.*?)xx',sd).group(1)
print(s)
#love

3.sub():替换符合规律的内容, 返回替换后的值

sd = 'asdfxxixxfhgjlkxxlovexxewrxhiu'
r = re.sub('xx(.*?)xx','xx%dxx'%123,sd)
print(r)
#asdfxx123xxfhgjlkxx123xxewrxhiu
#利用sub实现翻页功能
total = 400
old_url = 'http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=100'
for page in range(0,total+1,50):
    url = re.sub('pn=\d+','pn=%d'%page,old_url)
    print(url)
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=0
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=50
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=100
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=150
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=200
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=250
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=300
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=350
#http://tieba.baidu.com/f?kw=%E6%9D%8E%E6%AF%85&ie=utf-8&pn=400
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,968评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,601评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,220评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,416评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,425评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,144评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,432评论 3 401
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,088评论 0 261
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,586评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,028评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,137评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,783评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,343评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,333评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,559评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,595评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,901评论 2 345

推荐阅读更多精彩内容