• 什么是正則表達(dá)式
  正則表達(dá)式是對(duì)字符串操作的一種邏輯共識(shí)，就是用事先定義好的一些特定字符以及這些特定字符的組合，組成一個(gè)規(guī)則字符串，這個(gè)規(guī)則字符串用來表達(dá)對(duì)字符串的一種過濾邏輯
  需要注意的是，正則表達(dá)式非Python獨(dú)有，在Python中通過re模塊來實(shí)現(xiàn)
• 樣例展示
  正則表達(dá)式常用規(guī)則
• 用法詳解
  1.常見模式

2.re.match
re.match嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話,match()就返回None，用法如下所示

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

# 最常規(guī)的用法
import re

content = 'Hello 123 4567 World_This is a Regex Demo'

result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$', content)
print(result)
print(result.span())  # span輸出匹配結(jié)果的范圍
print(result.group())  # group返回匹配結(jié)果

# # 泛匹配（.*就可以把中間字符匹配到，但是必須制定起始位置）
result1 = re.match('^Hello.*Demo$',content)
print(result1)
print(result1.group())
print(result1.span())

content1 = 'Hello 1234567 World_This is a Regex Demo'
result2 = re.match('^Hello\s(\d+)\sWorld.*Demo$', content1)
print(result2)
print(result2.group(1))  # 將第一括號(hào)括起來的內(nèi)容打印出來，依次可推group（2）
print(result2.span())

# 貪婪匹配
result3 = re.match('^He.*(\d+).*Demo$',content)
print(result3)
print(result3.group(1))  # 打印結(jié)果為7，意味著‘.*’將前面的數(shù)字全部包含了
#
# 非貪婪匹配
result4 = re.match('^He.*?(\d+).*Demo$',content)#注意看我的細(xì)節(jié)：“？”
print(result4)
print(result4.group(1))

# 匹配模式
content = '''Hello 1234567 World_This
is a
Regex
Demo
'''

result5 = re.match('^He.*?(\d+).*?Demo$',content)#無視換行的下場(chǎng)
print(result5)

result6 = re.match('^He.*?(\d+).*?Demo$',content,re.S)#添加參數(shù)re.S就可以無視換行
print(result6)

#轉(zhuǎn)義
content2 = 'price is $5.00'
result7 = re.match('price is \$5\.00',content2)#添加‘\’即可把特殊字符進(jìn)行轉(zhuǎn)義
print(result7)
#總結(jié)：盡量使用泛匹配，使用括號(hào)得到匹配目標(biāo)，盡量使用非貪婪模式、有換行符就用re.S#re.search（掃描整個(gè)字符串并返回第一個(gè)成功的匹配）
content3 = 'Extra stings Hello 123232 World_This is a Regex Demo Extra stings'
result8 = re.match('Hello.*?(\d+).*?Demo',content3)
print(result8)#結(jié)果為None，說明從開始就匹配失敗
result9 = re.search('Hello.*?(\d+).*?Demo',content3)#re.search不管開頭是否相符，只要條件滿足就可以找到
print(result9)
print(result9.group(1))
#總的來說，能用search就不用match

#匹配演練
html = '''<div id="songs-list">
<h2 class="title">經(jīng)典老歌</h2>
<p class="introduction">
    經(jīng)典老歌列表
</p>
<ul id="list"class="list-group">
    <li data-view="2">一路上有你</li>
    <li data-view="7">
        <a href="/2.mp3"singer="任賢齊">滄海一聲笑</a>
    </li>
    <li data-view="4"class="active">
        <a href="/3.mp3"singer="齊秦">往事隨風(fēng)</a>
    </li>
    <li data-view="6"><a href="/4.mp3"singer="begoud">光輝歲月</a></li>
    <li data-view="5"><a href="/5.mp3"singer="陳慧琳">記事本</a><li>
    <li data-view="5">
        <a href="/6.mp3"singer="鄧麗君"><li class="fa fa-user">但愿人長(zhǎng)久</a>
    </li>
</ul>
</div>'''

result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)
print(result.group(1),result.group(2))
#
result1 = re.search('<li.*?singer="(.*?)">(.*?)</a>',html,re.S)
print(result1.group(1),result1.group(2))
#
result2 = re.search('<li.*?singer="(.*?)">(.*?)</a>',html)
if result2:
    print(result2.group(1),result2.group(2))#re.search（）只找尋一個(gè)結(jié)果
#
#re.findall（搜索字符，以列表的形式返回全部匹配的字符串）
result3 = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>',html,re.S)
#
print(result3)#以元組的形式將所有值輸出
print(type(result3))
for result3 in result3:
    print(result3)
    print(result3[0],result3[1],result3[2])
# #關(guān)于換行問題，“(<a.*?>)?”括號(hào)內(nèi)表示一個(gè)組，“？”表示a標(biāo)簽可能有
result4 = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>',html,re.S)
#
print(result4)
for result4 in result4:
    print(result4[1])

#re.sub（替換字符串中每一個(gè)匹配的字符串后返回替換后的字符串）
#re.sub（正則表達(dá)式，要替換成的字符串，原字符串）
content6 = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content5 = re.sub('\d+','Replacement',content6)

print(content5)
#在原來的基礎(chǔ)上增加
content4 = re.sub('(\d+)',r'\1 45545',content6)
print(content4)

html = '''<div id="songs-list">
<h2 class="title">經(jīng)典老歌</h2>
<p class="introduction">
    經(jīng)典老歌列表
</p>
<ul id="list"class="list-group">
    <li data-view="2">一路上有你</li>
    <li data-view="7">
        <a href="/2.mp3"singer="任賢齊">滄海一聲笑</a>
    </li>
    <li data-view="4"class="active">
        <a href="/3.mp3"singer="齊秦">往事隨風(fēng)</a>
    </li>
    <li data-view="6"><a href="/4.mp3"singer="begoud">光輝歲月</a></li>
    <li data-view="5"><a href="/5.mp3"singer="陳慧琳">記事本</a></li>
    <li data-view="5">
        <a href="/6.mp3"singer="鄧麗君"><li class="fa fa-user">但愿人長(zhǎng)久</a>
    </li>
</ul>
</div>'''

html2 = re.sub('<a.*?>|</a>','',html)#把a(bǔ)標(biāo)簽替換掉
result10 = re.findall('<li.*?>(.*?)</li>',html2,re.S)

print(result10)
#
for result10 in result10:
    print(result10.strip())#去掉換行符

#re.compile（將正則字符串編譯成正則表達(dá)式對(duì)象，以便于復(fù)用該匹配對(duì)象）
content8 = '''
hello
1234545
World_This
is a
Regex
Demo
'''
pattern = re.compile('hello.*Demo',re.S)

result12 = re.match(pattern,content8)

print(result12)
result13 = re.match('hello.*Demo',content8,re.S)
print(result13)

• 實(shí)例講解
  爬取豆瓣讀書內(nèi)容

import re
import requests

content = requests.get('https://book.douban.com/').text

pattern = re.compile(
    '<li.*?"cover">.*?href="(.*?)" title="(.*?)".*?"more-meta".*?"author">(.*?)</span>.*?"year">(.*?)</span>.*?</li>',
    re.S)
result88 = re.findall(pattern, content)
# print(result88)
for result in result88:
    url, name, author, date = result
    author = re.sub('\s', '', author)  # 使用re.sub將（\n）代替
    date = re.sub('\s', '', author)
    print(url, name, author, date)