上次的爬蟲最終獲取了馬蜂窩旅行評論頁面的全部內容，其實很多都是無用信息，我們要進行篩選清洗，這就用到了正則表達式，在寫爬蟲后續之前先大概搞一下正則……

先上代碼吧，今天先搞一小部分：

import re

print(re.match('you','you are my sunshine'))

print(re.match('you','you are my sunshine').span())

print(re.match('my','you are my sunshine'))

print(re.search('you','you are my sunshine').span())

print(re.search('my','you are my sunshine').span())

love='you are my sunshine'

pat=re.match(r'(.*) are (.*?) .*',love)

if pat:

print('獲取的全部字符序列為：'+str(pat.group()))

print('獲取的第一個分組為：'+str(pat.group(1)))

print('獲取的第二個分組為：'+str(pat.group(2)))

print('獲取的全部分組為：'+str(pat.groups()))

else:

print('沒有匹配內容！')

rep=re.sub(r'sun.*$','life',love)

print('字符串更新為：'+str(rep))

首先導入模塊re，該模塊包含所有的正則實現的功能，很好用~~

接下里五大行測試一下兩個方法match()和search()，前者只匹配字符串的開頭，而后者匹配整個字符串，也就是說如果你給出的正則表達式在一開始就不滿足字符串那match就直接返回none，但search則會搜尋整個字符串，知道找到匹配內容；span()方法返回匹配字符串的區間，左閉右開，如(2，5)表示所匹配的字符串中的字符在原字符串中的下標為2，3，4。

看一下結果：

第一條為match函數返回的信息，包括匹配區間、匹配字符等；第三條為None，也證實了兩個方法的區別。

接下來用到了正規的正則表達式，(.*)為一個分組，也是我們所需的內容，'.'可以匹配除換行符之外的所有字符，‘*’可以匹配0至無限長度的字符；后面沒有()的.*表示的是匹配后面的所有字符，這一部分我們不關心是什么；還有一個就是‘？’，她使得我們去盡量少的字符，這一塊后邊可以演示一下。

group()方法返回我們所獲取的所有字符串，它是以元組的形式返回的，所有和字符串連接需要轉化一下，()中的1和2表示我們需要的第一個和第二個分組，也就是正則表達式中的()內容，groups返回所有分組，這個區別一下group，看結果：

很清晰吧。。注意一下第一條和第四條。。

最后是sub()函數，它的功能是用某一確定字符串替換匹配內容，該例中我們匹配的是以sun開頭的字符串，‘$’的意思是以前面的字符結尾，在這里就表示sun后面的所有字符，然后把該部分用life替換掉，結果為：

由于sunshine是最后一個單詞，所以不是那么明顯，我們將‘sun’改為‘my’，看下結果：

沒毛病。。匹配了my后面的所有字符。。

還有一點就是前面說的正則中的‘？’，我們將上面的正則表達式改一下：pat=re.match(r'(.*) are (.*？)',love)，看一下結果：

再改一下：pat=re.match(r'(.*) are (.*)',love)，看下結果：

是不是發現點什么，前者匹配為空，后者匹配了are后面的所有內容，這一點也是之前爬蟲時數據紊亂的原因所在，找個時間好好聊聊這一塊~~~我現在在想前者匹配的是不是一個空格啊，或者真的就是空，盡量少嘛。。

總結

以上是生活随笔為你收集整理的python中的正则表达式是干嘛的_操作python中的正则表达式（上）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。