文章目录

• 前言
• 正则表达式方法
• • re.search方法
  • group方法
  • re.match方法
  • re.findall方法
  • re.finditer方法
  • re.split方法
  • re.sub方法
• 正则表达式的应用

前言

提示：这里可以添加本文要记录的大概内容：

正则表达式是字符串处理的有力工具和技术。

使用正在表达式的目的：

1、给定的字符串是否符合正则表达式的过滤逻辑（称作"匹配"）。

2、可以通过正则表达式，从字符串中获取我们想要的特定部分。

Python中，re模块import re提供了正则表达式操作所需要的功能。

常用正则表达式

提示：以下是本篇文章正文内容，下面案例可供参考

正则表达式方法

re.search方法

扫描整个字符串，搜索匹配第一个位置
返回match对象
re.search(pattern, string, flags=0)

参数说明：
Pattern:要匹配的正则表达式String:要匹配的字符串
Flags:控制正则表达式的匹配方式

【例】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

打开上面的网站，右键查看页面源代码，找音频编号（我的在61行，或许每个人的都不一样）

查找音频编号，代码如下（示例）：

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo=getHTMLContent(url)wav_number=re.search(r'音频编号#(.+?)#',demo) # .+?是匹配任意字符，即是上面截图中的#3502#print(wav_number)       

group方法

用来提出分组截获的字符串，（）用来分组
正则表达式中的三组括号把匹配结果分成三组
• group() 同group（0）是匹配正则表达式整体结果
• group(1) 列出第一个括号匹配部分
• group(2) 列出第二个括号匹配部分
• group(3) 列出第三个括号匹配部分

【例】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

打开上面的网站，右键查看页面源代码，找音频编号（我的在第9和第60行，或许每个人的都不一样）

查找',demo) #print(wav_number1.group(),wav_number2.group())print(wav_number1.group(0),wav_number2.group(0))print(wav_number1.group(1),wav_number2.group(1))

re.match方法

从字符串的起始位置（第一个字符）匹配正则表达式
re.match(pattern, string, flags=0)

参数说明
• pattern：要匹配的正则表达式
• string：要匹配的字符串
• flags：控制正则表达式的匹配方式

【例1】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

打开上面的网站，右键查看页面源代码
从第一个字符开始匹配，匹配：音频编号

import requests
import re
def getHTMLContent(url):try:r=requests.get(url, timeout=30)r.raise_for_status()return r.textexcept:return "访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo=getHTMLContent(url)wav_number=re.match(r'音频编号#(.+?)#',demo) # .+?是匹配任意字符print(wav_number)

【例2】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

多了个切分，从音频编开始切，分为两部分

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo=getHTMLContent(url)demo2=demo.split('音频编',1) #切分2部分wav_number=re.match(r'号#(.+?)#', demo2[1]) #从头匹配print(wav_number)

re.findall方法

搜索字符串，返回形式为列表
re.findall(pattern, string, flags=0)
参数说明
pattern：要匹配的正则表达式
string：要匹配的字符串
flags：控制正则表达式的匹配方式

【例】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

要所有的音频编号信息列表

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo=getHTMLContent(url)wav_number=re.findall(r'音频编号#(.+?)#', demo)print(wav_number)

【例2】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

查所有序号、专家ID、专家名字、grade流畅度、音频名字、png图片

# -*- coding: utf-8 -*-
import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"
if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)#信息提取yinpinbianhao = re.findall(r'音频编号#(.+?)#', demo) #拿音频编号xuhao = re.findall(r'序号:(.+?)', demo) #拿序号zhuanjiaid = re.findall(r'专家ID#(.+?)', demo) #拿专家idzhuanjiamingzi = re.findall(r'专家名字_(.+?)', demo) #拿专家名字liuchangdu = re.findall(r'form-control" id="(.+?)"', demo) #拿流畅度audio_src = re.findall(r'audio src="(.+?)', demo) #拿音频路径img_src = re.findall(r'img_src="(.+?)"', demo) #拿图片路径for i in range(len(yinpinbianhao)):print(xuhao[i],yinpinbianhao[i],zhuanjiaid[i],zhuanjiamingzi[i],liuchangdu[i],audio_src[i],img_src[i])

re.finditer方法

搜索字符串，返回匹配字符串的迭代器。
re.finditer(pattern, string, flags=0)
参数说明
pattern：要匹配的正则表达式
string：要匹配的字符串
flags：控制正则表达式的匹配方式

【例】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

获取所有信息，返回匹配信息的迭代器

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"产生异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)wav_number = re.finditer(r'音频编号#(.+?)#', demo)for wave in wav_number:print(wave.group)

re.split方法

按照匹配的子串，将字符串分割返回列表
re.split(pattern, string, maxsplit=0, flags=0)
参数说明
pattern：匹配模式
string: 待搜索的字符串
maxsplit：最大的分割数

【例1】

import re 
if __name__ == "__main__":wav_number = re.split(r'ab(.+?)#','43ab1#ertueab2#tyerab3#gldgk',3)wav_number1 = re.split(r'ab','43ab1#ertueab2#tyerab3#gldgfgdfk',3)print('wav_number:',wav_number)print('len of wav_number:',len(wav_number))print(' ---------------')print('wav_number1:    ',wav_number1)print('len of wav_number1:    ',len(wav_number1))wav_number =re.split(r'ab(.+?)#,43ab1#ertueab2#tyerab3#gldgk',3)wav_number1 = re.split(r'ab','43ab1#ertueab2#tyerab3#gldgfgdfk',3)

【例2】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html

爬虫的正则表达式，用re.split方法实现
切片，切100刀，看看能切出多少块，切出的每一块是什么

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)    wav_number=re.findall(r'音频编号#(.+?)#', demo)print(len(wav_number))wav_number1=re.split(r'音频编号#(.+?)#', demo,100)print(len(wav_number1))print('----------------------')print(wav_number1[0])print('----------------------')print(wav_number1[1])print('----------------------')print(wav_number1[2])print('----------------------')print(wav_number1[3])print('----------------------')

re.sub方法

替换所有匹配正则表达式的字串，返回替换后的字符串
re.sub(pattern, repl, string,count=0 , flags=0)
参数说明
pattern：匹配模式
repl : 替换的字符串
String: 待搜索的字符串
count : 替换的最大次数

【例】把匹配出来的信息替换成NID

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)    wav_number = re.sub(r'音频编号#(.+?)#','NID',demo)wav_number1 = re.findall(r'音频编号#(.+?)#', wav_number)wav_number2 = re.findall('NID', wav_number)print(len(wav_number1))print(len(wav_number2))

正则表达式的应用

【例1】http://emotion.bxbw-jyz.cn/Home/index/showPartData.html
看selected的都有哪些情绪信息

import requests
import re
def getHTMLContent(url):try:r=requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)    emotion=re.findall(r'(.+?)

import requests
import re
dict = {}
def getHTMLContent(url):try:r = requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)   wav_number = re.findall(r'音频编号#(.+?)#',demo)emotion = re.findall(r'(.+?)',demo)for index in range(len(emotion)):print("%s:%s"%(emotion[index],wav_number[index]))

import requests
import re
dict = {}
def getHTMLContent(url):try:r = requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url)  name = re.findall(r'>序号:(.+?)', demo)yinpinbianhao = re.findall(r'音频编号#(.+?)#', demo)plt = re.findall(r'(.+?)', demo)#获取与中带有selected的内容，注意selected后面有0个或多个空格for index in range(len(plt)):name1=name[index]emotion = plt[index]yinpinbianhao1=yinpinbianhao[index]print("%s:%s:%s"%(name1,emotion,yinpinbianhao1))dict[name1]=emotion

import requests
import re
new_wav = []
def getHTMLContent(url):try:r = requests.get(url,timeout=30)r.raise_for_status()return r.textexcept:return"访问异常"if __name__=="__main__":url="http://emotion.bxbw-jyz.cn/Home/index/showPartData.html"demo = getHTMLContent(url) wav_number=re.findall(r'audio src=(.+?)class', demo)for index in range(len(wav_number)):new_wav_index = "http://emoution.bxbw-jyz.cn" + wav_number[index][1:-2]new_wav.append(new_wav_index)print(new_wav)