Python正則表達(dá)式初識(shí)（一）

首先跟大家簡單嘮叨兩句為什么要學(xué)習(xí)正則表達(dá)式，為什么在網(wǎng)絡(luò)爬蟲的時(shí)候離不開正則表達(dá)式。正則表達(dá)式在處理字符串的時(shí)候扮演著非常重要的角色，在網(wǎng)絡(luò)爬蟲的時(shí)候也十分常用，大家可以把它學(xué)的簡單一些，但是不能不學(xué)。

盡管網(wǎng)絡(luò)爬蟲相關(guān)庫給我們提供了豐富的庫如css、bs4、lxml等等，讓我們可以通過選擇器去匹配字符串，但是在HTML中數(shù)據(jù)往往存在標(biāo)簽之中。通過選擇器確實(shí)可以匹配到標(biāo)簽的內(nèi)容，但是有時(shí)候標(biāo)簽中存在的許多內(nèi)容是冗余的，而我們只需要匹配其中部分內(nèi)容即可（如匹配數(shù)字、時(shí)間等），如下圖所示。通過選擇器，我們一般可以獲取到“782好笑”這個(gè)字符串，但是我們只需要“782”這個(gè)數(shù)字的話，此時(shí)正則表達(dá)式就要派上用場了

正則表達(dá)式可以幫我們判斷某個(gè)字符串是否符合某一個(gè)模式，其次正則表達(dá)式可以幫我們提取某個(gè)字符串中的重要部分，做子字符串的提取。今天簡單的給大家講解幾個(gè)正則表達(dá)式的特殊字符—— “^”、“.”、“*”，并且用實(shí)例進(jìn)行演示，讓大家對(duì)正則表達(dá)式有個(gè)初步的了解。

小編用的Python是3版本，開發(fā)環(huán)境用的是pycharm，首先在本地新建一個(gè)demo.py文件，接下來開始進(jìn)行演示。

1、正則表達(dá)式在Python中有個(gè)專門的庫叫re模塊，首先進(jìn)行導(dǎo)入模塊。再定義一個(gè)字符串str，然后定義一個(gè)正則表達(dá)式匹配規(guī)則regex。

2、“^d”代表的意思是以d元素開頭的任意一個(gè)字符串，也就是說只要是以d開頭的字符串，后面的元素不論是什么，都是符合規(guī)則的，總之必須要以d開頭。

3、“.” 較為常用，其代表的意思是任意字符，其表示的范圍非常廣，可以接任意字符，不論是中英文，還是下劃線之類的特殊字符，都是可以代表的。舉個(gè)栗子，正則表達(dá)式“^d.”就是代表以d開頭的字符串，b后邊接任意字符都可以。

4、“*” 也十分常用，其代表的意思是前面的字符可以重復(fù)任意多遍，可以是0次，1次，2次等任意多次。

5、了解好這幾個(gè)特殊字符的用法之后，接下來通過代碼簡單的感受一下。如下圖所示，如果匹配成功，則返回yes；如果沒有匹配成功，則不返回任何東西。

可以看到程序運(yùn)行之后，返回的結(jié)果為yes，說明匹配成功。正則表達(dá)式“^d.*”代表的意思是以d開頭的字符串，后面跟著任意字符，出現(xiàn)任意多遍。顯然，通過匹配可以得知該正則表達(dá)式匹配的結(jié)果和原始字符串一致，之后if判斷返回值為true，所以打印出結(jié)果為yes。

6、為了進(jìn)一步驗(yàn)證這個(gè)模式是否正確，我們將b改為a，其代表的意思該模式下的字符串是否以a開頭的。之后再次運(yùn)行程序，如下圖所示。

此時(shí)可以看到無任何輸出，說明特殊字符“^”起到了作用。

小伙伴們，快去打開Python，感受一下正則表達(dá)式的大法吧~~~