所谓的python web爬虫基础

标签：

import re

正则表达式：

常用的符号：点号 问号 星号 和小括号
.：匹配任意字符，换行符\n除外
——点号可以理解为占位符，一个点号匹配一个字符。
*:匹配前一个字符0次或无限次
?:匹配前一个字符0次或者1次
.*：贪心算法（尽可能多的匹配到数据）
.*?：非贪心算法（尽可能多的找到满足条件的组合）
()：括号内的数据将会作为结果返回。

常用的方法：findall，Search，Sub
findall：匹配所有符合规律的内容
Search：匹配并提出第一个符合规律的内容，返回一个正则表达式对象
Sub:替换符合规律的内容，返回替换后的值

万能表达式：
（.*?）

多行表达式的匹配
re.S

s=‘‘‘sdfhajkdxxluhuanxx
   lsdhfxxwangpiaoxxsjdkf‘‘‘
sub=re,findall(‘xx(.*?)xx‘,s,re.S)

//findall和search的区别
sub= re.search(‘xx(.*?)xxdsfaxx(.*?)xx‘,s,re.S).group(1)
sub= re.findall(‘xx(.*?)xxdsfaxx(.*?)xx‘,s,re.S)
print sub[0][1]  //在字符串中存在多行满足匹配规则。

小贴士：
匹配数字
a=sdfasd123415ksadfj2345kdsafj
b=re.findall(‘(\d+)‘,a)

匹配原则：
findall 和search匹配使用
先抓大再抓小

所谓的python web爬虫基础

标签：

原文地址：http://my.oschina.net/u/1242038/blog/504941