前言

整个文章都是以精华部分为主，主要分文2个部分：

1、python的【re】正则表达式使用方法。

2、【re】正则表达式以及对应的demo。

第一部分让你知道【re】的几个函数的区别，更好的匹配项目中的需求。

第二部分让你快速的匹配具体需要的正则表达式可用拼写方法。

目录

前言

一、python【re】的用法

1、re.match函数·单一匹配-推荐指数【★★】

2、re.search函数·单一匹配-推荐指数【★★★★★】

3、re.findall函数·多项匹配-推荐指数【★★★★★】

4、re.finditer函数·多项匹配-推荐指数【★★★★】

5、re.sub函数·替换函数-推荐指数【★★★★】

二、正则表达式示例·总有一款适合你

1、正则表达式匹配HTML指定id/class的标签

2、正则表达式匹配HTML中所有a标签中的各类属性值

3、获取标签的文本值·例如：span标签、a标签文本

获取方法1：

获取方法2：

4、key:value格式的数据

5、匹配url

1、匹配短连接

2、匹配长连接

3、各类网址url列表

 4、网页中中文提取

总结：

一、python【re】的用法

通用函数：

1、re.match函数·单一匹配-推荐指数【★★】

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

函数语法：

re.match(pattern, string, flags=0)

pattern：正则表达式字符串。

string：需要匹配的字符串。

第三个flags是控制正则的严谨度，常用的两个：re.I不区分大小写，re.S遇到【\n】继续匹配。

示例：

注：re.match弊端：只能匹配是否以某字符串为开头的内容，所以很多场合不合适。

import re'''re.match弊端：只能匹配是否以某字符串为开头的内容'''result1 = re.match(r'I', 'i Have A Dream!', re.I)  # 在起始位置匹配，不区分大小写result2 = re.match(r'Dream', 'I Have A dream!', re.I)  # 不在起始位置匹配，不区分大小写print(result1)print("匹配位置：", result1.span())print("匹配字符串：", result1.group())print(result2)

结果中我们能看到是否以字符串开头进行字符串匹配的区别，虽然都含有，但是不是开头的字符串就不匹配。 

2、re.search函数·单一匹配-推荐指数【★★★★★】

注：re.search函数无论在哪里都能匹配字符串。

函数语法与re.match函数一样。 

import re'''re.search：无论在哪里都能匹配'''result1 = re.search(r'I', 'I Have A Dream!', re.I)  # 不区分大小写result2 = re.search(r'Dream', 'I Have A dream!dream', re.I)  # 不区分大小写print(result1)print("匹配位置：", result1.span())print("匹配字符串：", result1.group())print("匹配位置：", result2.span())print("匹配字符串：", result2.group())

在结果中我们可以清晰的看到匹配到匹配到的位置。 

以上两种都只能匹配一次，那么很多时候我们是一个超级大的字符串，或甚至是整个【H5】网页，那么，我们需要多个匹配的时候就不能使用这两个函数了。

3、re.findall函数·多项匹配-推荐指数【★★★★★】

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。个人喜欢用列表所以五星推荐。

注：这里通上面的两个函数的本质却别就出来了，我们可以匹配一个大字符串中所有符合正则表达式的字符串。

示例：

import re'''re.findall：匹配所有符合正则表达式的字符串'''result1 = re.findall(r'I', 'I Have A Dream!I I I I I I I')  # 在起始位置匹配result2 = re.findall(r'Dream', 'I Have A Dream!Dream')  # 不在起始位置匹配print(result1)print(result2)

结果中我们能看到所有符合的字符串都返回到了列表中，没有去重操作。 

4、re.finditer函数·多项匹配-推荐指数【★★★★】

在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回。个人不太喜欢用迭代器，故而推荐指数四颗星。

注：这里我与findall做了个对比，喜欢使用迭代器的可以使用这个函数啊。

import recontent = '''email:372699828@qq.comemail:feng8403000@163.comemail:qwe8403000@126.com'''result_findall = re.findall(r"\d+@\w+.com", content)print("迭代器类型：", type(result_findall))# 返回listresult_findallfor i in result_findall:    print(i)print("-" * 20)result_finditer = re.finditer(r"\d+@\w+.com", content)# 返回iteratorprint("list列表类型：", type(result_finditer))for i in result_finditer:    print(i.group())

5、re.sub函数·替换函数-推荐指数【★★★★】

这个函数用的相对来说不是很多，一般正则梳理好的字符串就直接使用字符串的处理方法来搞定了。但是这个函数还是很方便的，只是我不推荐替换原内容。

示例：

import re'''re.sub：替换匹配字符串'''result1 = re.sub(r'I', '我', 'I Have A Dream!')result2 = re.sub(r'Dream', '梦想', 'I Have A Dream!Dream')print(result1)print(result2)

结果中可以看到，这个替换匹配是默认多个匹配的。 

二、正则表达式示例·总有一款适合你

1、正则表达式匹配HTML指定id/class的标签

r"

.*?

"

.*?含义是不限任意字符的匹配，直到【?】后面的内容代表结束，这里【?】后面是【

】，所以能截取整个ul标签的内容。以后用处很多，记住。

import reimport requests'''获取某网站·某个·class元素下·所有内容·返回字符串'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)print(result1)print(len(result1[0]))print(result1[0])

结果中能看截取成功：

2、正则表达式匹配HTML中所有a标签中的各类属性值

r'.*?'

同理，想获得【title】标签就将正则表达式中的属性换成想要的就行。

import re'''正则获取所有a标签的href值'''context = """百度百度百度百度"""result1 = re.findall(r'.*?', context)print(result1)

实际示例1：获取href值

import reimport requests'''获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的href值'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)a_href = re.findall(r'.*?', result1[0], )print("爬取成功：", len(a_href))for item in a_href:    print(item)

结果匹配到138条超链接的值：

实际示例2：获取title值

import reimport requests'''获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的title值'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)a_href = re.findall(r'.*?', result1[0], )for item in a_href:    print(item)print("爬取成功：", len(a_href))

结果可看到，同样匹配成功。 

3、获取标签的文本值·例如：span标签、a标签文本

我这里处理的是a标签的文本，咱们没有使用框架，相对来说纯使用正则表达式稍微麻烦一些，但是处理方式还是不复杂的，可以看到我获取a标签所有内容后，将左右的标签符号去掉就剩下中间的文本了，还是挺容易获取的。如果是span标签，您直接把a标签替换成span标签就行了。

获取方法1：

import reimport requests'''获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的文本内容'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)a_href = re.findall(r'.*?', result1[0])data_list = []left_text = ">"right_text = ""for item in a_href:    result = re.findall(r">.*?", item)    for item1 in result: item1 = item1.replace(left_text, "", 1).replace(right_text, "", 1) data_list.append(item1)for item in data_list:    print(item)print("爬取成功：", len(data_list))

结果呈现，可以看到138条都筛选出来了。

获取方法2：

通过【()】的方法直接获取我们需要的内容

import reimport requests'''获取某网站·某个·class元素下·所有内容·返回字符串·根据字符串匹配超链接的文本内容'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)a_href = re.findall(r'.*?', result1[0])data_list = []left_text = ">"right_text = ""for item in a_href:    result = re.findall(r">(.*?)", item)    data_list.append(result[0])for item in data_list:    print(item)print("爬取成功：", len(data_list))

这种方法直接就能获取我们需要的内容：

4、key:value格式的数据

在下图中可以看到字典格式的数据，{"adv_type":"bookDirectory00","adv_res":"zongheng","pos":""}我们想要其中的"adv_type"的值，那么，我们需要用另外一种正则表达式了：

import reimport requests'''获取key:value的数据'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall('"adv_type":"(.*?)"', context)for item in result1:    print(item)

结果示例：

5、匹配url

1、匹配短连接

r'(http[|s]?://[^\s]*/)'

import reimport requests'''提取字符串中的链接'''headers = {    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36"}url_info = """6.69 Cuf:/ 售价888一碗的面！自己在家做需要花多少钱？# 百蟹面 # 六虾面   https://v.douyin.com/rhkGMfh/ 复制此链接，打开Dou音搜索，直接观看视频！"""short_url = re.findall(r'(http[|s]?://[^\s]*/)', url_info)[0]print(short_url)url = requests.get(url=short_url, headers=headers).urlitem_id = url.split('/')[4][0:19]url = "https://www.iesdouyin.com/web/api/v2/aweme/iteminfo/?item_ids={0}".format(item_id)html = requests.get(url, headers=headers)title = html.json()['item_list'][0]['desc']  # 标题获取print(title)

结果获取：

2、匹配长连接

r"""(http|ftp|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&:/~\+#]*[\w\-\@?^=%&/~\+#])?"""

import reimport requests'''获取某网站·获取所有的长链接'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")result1 = re.findall(r"
.*?
", context, re.S)# result1中包含多个长连接rule = r"""(http|ftp|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&:/~\+#]*[\w\-\@?^=%&/~\+#])?"""result2 = re.findall(rule, result1[0], re.S)data_list = []for item in result2:    new_url = "{0}://book.zongheng.com{1}".format(item[0], item[2])    data_list.append(new_url)for item in data_list:    print(item)print("获取连接：", len(data_list))

匹配的内容需要拼接一下： 

3、各类网址url列表

 4、网页中中文提取

r"[\u4E00-\u9FA5]"

import reimport requests'''获取某网站·获取网站中所有中文'''url = "https://book.zongheng.com/showchapter/1243826.html"context = requests.get(url).content.decode("utf-8")rule = r"[\u4E00-\u9FA5]"result2 = re.findall(rule, context, re.S)count = 0for item in result2:    if count % 10 == 0: print()    print(item, end="")    count += 1print("\n共计提取：", len(result2), "个中文")

结果展示：

总结：

暂时先写这些，后面随时用到随时写。