python 057 - 060 爬虫之正则表达式

风不会停息

1. 正则表达式的使用规则： https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403

2. re.search(pattern, string, flags=0)：
        第一个参数是正则表达式, 如果匹配成功，则返回一个Match，否则返回一个None；
        第二个参数表示要匹配的字符串；
        第三个参数是标致位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。
例如， 匹配ip地址：

>>> re.search(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}[01]?\d?\d|2[0-4]\d|25[0-5]", "192.168.1.101")
<_sre.SRE_Match object; span=(0, 13), match='192.168.1.101'>

3. 正则表达式各种元字符的用法： https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403

4. re.findall(pattern, string, flags=0)： 返回string中所有与pattern相匹配的全部字串，返回形式为列表， re.finditer(pattern, string, flags=0)： 和findall()一样， 不过是返回一个迭代器

5. re.compile(pattern, flags=0)： 获得一个Pattren实例（模式对象）， 然后使用Pattern实例处理文本并获得匹配结果， 例如：

>>> import re
>>> p = re.compile("[A-Z]+")
>>> p.findall("I love FishC.COM")
['I', 'F', 'C', 'COM']

   
6. 对于re.search("i love FISHC.com")相当于先自动创建一个模式对象再使用search()方法， 对于re.search()， re.match()返回一个匹配对象， 匹配对象支持group()， start()， end()， span()方法

7. 对于模式对象和匹配对象的方法： https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403

8. 对于正则表达式的编译标志： https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403

9. 对于零宽断言和分组： https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403