网络爬虫的正则表达式

0x00 re正则表达式

 

---

 

正则表达式：

 

• 通用字符串表达的框架
• 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

 

正则表达式在文本处理中的作用：

• 表达文本类型
• 同时查找和替换一组字符串
• 匹配字符串的全部或部分

 

正则表达式常用操作符：

 

正则表达式语法实例：

 

 

经典的正则表达式实例：

 

实例：匹配IP地址的正则表达式

IP地址字符串形式的正则表达式

（IP地址分四段，每段范围0-255）

　　　　　　　　　　　　　　　　　　　　精确写法

　　　　　　　　　　　　　　　　　　　　0-99 ： [1-9]?\d                   100-199： 1\d{2}

　　　　　　　　　　　　　　　　　　　　200-249：2[0-4]\d               250-255： 25[0-5]

　　　　　　　　　　　　　　　　　　　　完整表达形式：

　　　　　　　　　　　　　　　　　　　　(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])

 

0x01  re库的使用

 

---

re库的主要函数功能：

 

re库的另一种等价用法

 

re库的match对象

match对象的属性

 

match对象的方法

 

re库默认使用贪婪匹配，即输出匹配的最长字符串，如

 

为了实现最小匹配，修改代码

 

最小匹配操作符