咱們可以使用 urllib 向網頁請求並獲取其網頁數據。可是抓取信息數據量比較大，咱們可能須要其中一小部分數據。對付剛纔的難題，就須要正則表達式出馬了。正則表達式能幫助咱們匹配過濾到咱們須要的數據，但它學習起來很是枯燥無味。你可能會說，我尚未開始想學習正則表達式，你就來打擊我？ 莫慌！層層遞進地學習，一步一個腳印地學習，很快就會學會了。對於爬蟲，我以爲學會最基本的符號就差很少了。正則表達式
1 正則表達式
下面是一張關於正則表達式字符的圖，圖片資料來自CSDN。先把圖中字符瞭解清楚，基本上算是入門。微信
2 re 模塊
Python 自1.5版本起經過新增 re （Regular Expression 正則表達式）模塊來提供對正則表達式的支持。使用 re 模塊先將正則表達式填充到 Pattern 對象中，再把 Pattern 對象做爲參數使用 match 方法去匹配的字符串文本。match 方法會返回一個 Match 對象，再經過 Match 對象會獲得咱們的信息並進行操做。下面介紹幾個 re 經常使用的函數。編輯器
2.1 compile 函數
compile 是把正則表達式的模式和標識轉化成正則表達式對象，供 match() 和 search() 這兩個函數使用。它的函數語法以下：函數
第一個參數是
pattern，指的正則表達式。學習第二個參數
flags是匹配模式，是個可選參數。可使用按位或’|’表示同時生效，也能夠在正則表達式字符串中指定。匹配模式有如下幾種：url
該方法返回的結果是一個 Pattern 對象。spa
2.2 match 函數
match()函數只在字符串的開始位置嘗試匹配正則表達式，也就是說只有在 0 位置匹配成功的話纔有返回。若是不是開始位置匹配成功的話，match() 就返回 none。它的函數語法以下：.net
第一個參數：匹配的正則表達式3d
第二個參數：要被匹配的字符串code
flags 是可選參數，跟 compile 用法類似
匹配成功 re.match 方法返回一個匹配的對象，不然返回None。要想得到匹配結果，既可使用
groups()函數獲取一個包含全部字符串的元組（從 1 到 所含的小組號），也可使用group(組號)函數獲取某個組號的字符串。
match 函數用法的示例代碼：
2.3 search 函數
search() 函數是掃描整個字符串來查找匹配，它返回結果是第一個成功匹配的字符串。
參數用法以及返回結果跟match函數用法相同。
search 函數用法的示例代碼：
2.4 findall 函數
findall函數在字符串中搜索子串，並以列表形式返回所有能匹配的全部子串。
參數用法以及返回結果跟match函數用法相同。
findall 函數用法的示例代碼：
做者：猴哥，公衆號：極客猴。愛好讀書，喜歡鑽研技術，夢想成爲文藝青年的IT Boy。
- END -
分享乾貨的公衆號
本文分享自微信公衆號 - 極客猴（Geek_monkey）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。