正则表达式Re的用法（含实例）

正则表达式

• 通用的字符串表达框架
• 简洁表达一组字符串的表达式
• 针对字符串表达“简洁”和“特征”思想的工具
• 判断某字符串的特征归属

正则表达式的常用操作符

操作符	说明	实例
.	表示任何单字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a-z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc*表示ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+表示abc、abcc、abccc等
？	前一个字符0次或1次扩展	abc？表示ab、abc
I	左右表达式任意一个	abc I def表示abc、def
{m}	扩展前一个字符m次	ab{2}c表示abbc
{m，n}	扩展前一个字符m至n次（含n）	ab{1,2}c表示abc、abbc
^匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9_]

Re库的使用

import re

当正则表达式中含有转义字符时，使用原生字符串。

使用Re库时，最好先将字符串编译成正则表达式对象：

regex=re.compile(pattern,flags=0)

再利用regex对象调用Re库的函数。

Re库的主要功能函数

函数	说明
re.search()	在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象
re.match()	在一个字符串的开始位置起匹配正则表达式，返回match对象
re.findall()	搜索字符串，以列表类型返回全部能匹配到的字符串
re.split()	将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.finditer()	搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象
re.sub()	在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

• re.search(pattern,string,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  string：待匹配字符串

  flags：正则表达式使用时的控制标记

  match = re.search(r'[1-9]\d{5}','BIT 100081')

• re.match(pattern,string,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  string：待匹配字符串

  flags：正则表达式使用时的控制标记

  match = re.match(r'[1-9]\d{5}','100081 BIT')

• re.findall(pattern,string,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  string：待匹配字符串

  flags：正则表达式使用时的控制标记

  match = re.findall(r'[1-9]\d{5}','BIT100081 TSU100084')

• re.findall(pattern,string,maxsplit,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  string：待匹配字符串

  maxsplit：最大分割数，剩余部分作为最后一个元素输出

  flags：正则表达式使用时的控制标记

  match = re.split(r'[1-9]\d{5}','BIT100081 TSU100084',maxsplit=1)

• re.finditer(pattern,string,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  string：待匹配字符串

  flags：正则表达式使用时的控制标记

for match in re.finditer(r'[1-9]\d{5}','BIT100081 TSU100084'):
    if match:
        print(match.group(0))
           

• re.sub(pattern,string,flag=0)

  pattern：正则表达式的字符串或原生字符串表示

  repl：替换匹配字符串的字符串

  string：待匹配字符串

  count：匹配的最大替换次数

  flags：正则表达式使用时的控制标记

  match = re.sub(r'[1-9]\d{5}',':zipcode','BIT100081 TSU100084')

Match对象的方法

方法	说明
.group(0)	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回(.start()，end())

Match对象的属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的pttern对象（正则表达式）
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

实例

提取淘宝商品的名称及价格：

由于淘宝网有密码登录的要求，这里用的是淘宝热卖网

https://uland.taobao.com/sem/tbsearch

import requests

import re

import requests
import re

# 定义获取HTML内容的函数
def getHTMLText(url):
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
        print("获取HTML页面完成")
    except:
        return ""

# 爬取想要的内容
def fillUnivList(ulist,html):
    try:
        names = re.findall(r'\<span class=\"title\" title=\".*?\"\>',html)# <span class="title" title="ins大容量双肩包男韩版大学生书包女初中">ins大容量双肩包男韩版大学生书包女初中</span>
        prices = re.findall(r'\<strong\>[\d\.]*<\/strong\>',html)  # <strong> 59.90 </strong>
        print("页面解析完成")
        for i in range(len(names)):
            name=names[i].split('"')[3] # <span class="title" title="ins大容量双肩包男韩版大学生书包女初中">
            price=re.split(">|<",prices[i])[2] # <strong> 59.90 </strong>
            ulist.append([name,price])
        print("列表成功生成")
    except:
        print("")

# 输格式化出
def printUnivList(ulist,path):
    with open(path,'a',encoding='utf-8') as f:
        f.write("商品\t价格\n")
        for i in range(len(ulist)):
            u = ulist[i]
            f.write(u[0]+"\t")
            f.write(u[1]+"\n")
        f.close()
        print("成功存储到文件")


def main():
    uinfo=[]
    good=input("请输入想要获取的商品名称")
    page=int(input("请输入想要检索的页面数"))
    path="D://"+good+".txt"
    for i in range(page):
        url = "https://re.taobao.com/search_ou?keyword=" + good + "&page=" + str(i)
        html = getHTMLText(url)
        fillUnivList(uinfo, html)
    print("共搜索了",len(uinfo),"条结果")
    # 显示全部结果
    printUnivList(uinfo,path)

if __name__ == "__main__":
    main()