爬虫正则表达式怎么提取文本

你好，我是艾文，我们接下来学习一下正则表达式。首先来看一下我们的学习目标，第一个知道什么是正则表达式，积极作用。第二个能够应用 id 翻的 ol 方法提取数据。 第三个理解而原创在正则中的作用。首先来看一下正则表示的概念与作用。首先来看一下正则表示的概念， 那什么是政策表示呢？政策表示是一种自助串的匹配模式，或者称之为匹配规则。那有了这样一种匹配模式和匹配规则，我们可以做什么呢？我们接下来看一下政策表示的作用。 第一个他可以检查一个字母串里面是不是包含某个子串，第二个他可以替换匹配的子串，第三个他可以 提取某个自助串中匹配的子串。这个第三个功能是我们在爬窗里面用的最多的一个功能，这个功能对应到我们的阿姨模块，里面的方法就是阿姨点翻的哦，方法好了，接下来我们来看一下正则表示中常见的语法。首先 我们来看一下关于字符匹配，一般字符是用来匹配自身的，比如说 abc 与 abc 是匹配的，然后点号呢，是匹配除框符以外的任意一个字符，比如说 adc， 他可以和 abc 匹配，也可以写和 acc 匹配， 也可以和 adows 匹配。斜杠是转音符，比如说这个点号在我们的正则里面有特殊的含义，但我此时呢就想让他成为一个点号，这时候呢我们就需要做个 转义，还有中括中框就是表示他里面的字符呢，出现任意一个，出现一次都可以。 好了，接下来给大家去演示一下这些语法，那回到我们的代码里面，我接下来给大家去创建一个拍摄文件，写个零六，这是 正则表达式的常见语法。首先呢我们要导入正则表达式的模块，导入正则模块，正则模块在我们的拍森里面叫二一 这样一个模块，因为你没有这样一个模块，你就没办法使用正则表示。我首先说字符匹配，字符 匹配，然后在这里面呢我们要使用一个范德奥方法，我们先用范德奥呢就是查找所有的他，第一个呢要写正德表达式，比如说我写个 abc， 然后这后面呢我们也写个 abc， 那么前面是钟头表示，后面呢是我要查找的自助串，我要从这个自助串里面查找和 abc 匹配的内容，那找都找不到啊，答案是 肯定的，对吧？打印一个 rs 运行，这时候是不是 abc 就可以找到啊？但是如果要是我把它改成 adc， 还找得到吗？是不就匹配不上了，因为这个 b 和这个 d 是匹配不上的，所以的话就会出现一个空。 ok， 好了， 有人说为什么说要从这个子窗里面进行查找啊？因为前面可以巴拉巴拉巴拉，然后面也可以巴拉巴拉，只要是这里面有个 abc 就可以， 他就可以找到 abc， 这就是发的奥方法的特点。 ok， 他可以从一长串里面找到我们所要的内容。好了，我现在把它给去掉，这是关于 普通字符的匹配，然后向我们来说点号，点号它可以匹配除荒符以外的任意一个字符，写个点翻。哦，这里呢我们写个 a 点 c， 那在这个位置呢，我们写一个 abc， 能不能匹配呢？我们来运行一下，走你是不是可以匹配啊？然后这个地方我写一个 a 百分号 c 能不能匹配啊？走你是不是也可以匹配啊？但是我在这写一个 a 换行负 c， 能不能匹配呢？我再来走你，我发现匹配不上了，因为这个点号呢，是匹配除换安符以外的任意一个字符，就是不能匹配换安符，所以呢，这就让大家需要注意一下就可以了。在这呢，我们 依然把它给改回来，改成一个 abc 应该是没问题的，对吧？但有些时候呢，我只想匹配一个 adc， 我现在呢就要匹配 adc， 然后这时候呢，能不能匹配上 adc 呢？我来运行一下，走你，我发现他是可以匹配 adc 的，但是呢，我这里面 abc 是不是也能匹配啊？我 acc 是不是也能匹配啊？我现在只想要 a 点 c， 那怎么办呢？那这时候呢，我们就需要最前面这个点号呢，自我转移，让他变成一个普通的字符，而不是一个通配符， 老叫我把它转移一下。转移一下之后呢，我们家再来运行你，我发现 a 点 c 是可以匹配的，那这时候 abc 还能匹配吗？我再来运行一下，走你，我发现 abc 就匹配不上了，他就只能匹配 a 点 c， 这是关于转音符的作用。 ok， 那接下来说中括号，我们来 r、 s， i 点 fanto， 然后这时候呢，我写一个 a、 b、 c， 然后这里面呢，我们写个 d， 那这位置他 能不能和 abd 匹配啊？可不可以？应该是可以的，对吧？然后这时候这里面有个 b， 所以他是匹配上的，然后能不能和 acd 匹配呢？我就要再来运行，你走，你 是不是 acd 也可以啊，他能不能和 a、 e、 d 匹配呢？肯定是不行的，对吧？因为这个中框里面不包含 e 啊，所以他就匹配不上。 ok， 好了，接下给他改成一个 abd 运行，是不可以匹配啊。到此呢，我们的字符匹配就说完了，我们接下来回到 ppt 来看一下预定意义的字符级。首先来看一下斜杠低，他用来匹配零到九的数字的，想大的呢， 就是匹配非数字的，只要不是数字都可以。斜杠 s 是用来匹配空白辅的，比如空格杠 t， 杠二杠 n 杠 f 杠 v， 想大 s 呢，是来匹配非空白符的，想 w 呢，是匹配所有的字母数字下压线以及中文。斜杠大 w 呢，就是匹配非单词字符，只要不是上面的都可以进行匹配。 我现在回到代码里面给大家去演示一下，我在这呢，就给他说一下关于预定义的字符集 语，定一的自负级在这呢，依然是 r、 s， 他就优等一个阿一点发音的哦，在这呢，我写个斜杠低，后面呢写个自负串叫一二三，能不能 杯呢？我们来运行一下，走你，我发现呢，他是可以匹配一二三的，对吧？这时候呢，你会发现他这个一是一个，二是一个，三是一个，因为这个斜杠低呢，只能匹配一个字符，所以呢，他不是 整体的一二三，而是一是一个，二是一个，三是一个。因为他要先拿这个斜杠低找一次找到 a， 再找一次找到二，再找一次找到三，是这样一个情况。好了，那接下来我们来说一下斜杠 w 选 w 呢，他用来匹配字母，比如说大写的 a， 小写的 v， 小线，然后这些呢，能不能匹配啊？我来运行一下走你是不是都可以匹配上啊？那能不能匹配中文呢？ 我试验一下，中文可以吗？中文来运行一下走你，我发现中文是不是也 ok 啊？那能不能匹配一些特殊字符啊？比如说刀老虎百分号，可不可以啊？我再来运行一下走你， 我发现他是不匹配的， ok， 所以说写上 w 呢，他就只能匹配字母、数字下线和中文，其他的就不匹配了。 然后这两个呢也是在我们爬窗里面用的最多的，我们就给大家演示一下其他的，大家有兴趣的话自己玩了。当然有些 时候呢，我们可能说需要让他出现很多次，而不能说他出现一次我就写一个，出现一次就写一个，这时候呢我们就需要用到一个数量词，比如说这个信号就表示前面的匹配模， 表示出现过零次或者是无限次。这个加号呢，就是前面的那个匹配模式呢，出现一次或者是无限次。这个问号呢，就是匹配前面那个匹配模式出现过零次或者是一次。这个 m 呢，就表示匹配前面那个字符出现过 m 次。 那好了，接下来给大家去演示一下数量词，我们把上面这个拿过来， 在这里面呢，我在这加上一个信号，就表示前面这个斜杠低呢，出现零次或者是多次， 这时候呢他就可以把一二三整体上匹配下来，但是下面呢会有一个空串，空串的原因是因为这整体上是允许匹配空的，所以呢他会出 空串这样一个种情况。但如果要是你通过一个限定服给他做一个限定，比如说这边写个 a， 那就前面一定要有一个 a， 这时候呢，你后面也需要加上一个 a， 然后这时候呢，他就不会出现这种空了，因为这个圈里面要求一定要有一个 a， 你后面没有 a， 他就匹配不上。好了，这个 给大家做了一个演示，这是关于这个信号，用来修饰前面这个正则，出现零次或者是多次，让我们来看加号，加号的话就表示前面他出现过一次或者是多次， 这样我们来这运行一下，走你，他是不是一样可以匹配到啊？然后呢，如果要是说这样呢，我只有一个 a， 能不能匹配上呢？ 我只有一个 a， 他就匹配不上了，那上面这个地方只有一个 a， 能不能匹配上呢？我把这个地方给住了，上面只有一个 a， 能不能匹配上呢？是可以的，因为他可以允许前面这个出现零次，但他要求呢至少要出现一次， 所以呢他这里面你至少要是个 a 一才能匹配上，否则就匹配不上， ok， 是这样一个情况，我再把它给拿过来啊，这是关于这个加号和信号的区别，除了他之外呢，还有一个是问号，问号就表示 当前的字符出现零次或者是一次，这边写个 a 斜杠低来问号，这时候呢，我们在后面写一个 a 一，但 a 二也可以啊，来这运行一下走你，所以 a 二是是不是可以匹配上啊？那 a a 能不能匹配上呢？ a 也可以匹配上， ok， 就是说这个数字可以有，也可以没有，当然 a 是必须要有的，那一二三的话，他只会匹配一个，所以呢只能拿到 a 一。 另外一个我们还可以指定次数，我们可以通过花框来指定次数，比如说我就要两个，然后这是指定为二，那这时候呢，他出来的结果就是 a 一二对不对？ 一二。好了，到此我们就把这个数量词给大家说完了。信号表示前面这个出现 零次或者是多次。加号呢，表示前面这个匹配模式出现一次或者多次。问号呢，就表示前面这个匹配模式出现零次或者是一次。 这个花框里面写个数字就表示前面这个出现过多少次。写二就表示他出现两次。写个三就表示前面这个呢出现三次，可以在这里面进行指定。 到此呢我们就把正则表示的常言语法给大家说完了，回来接下来对我们的内容做一个小结。 首先是正则表示的概念，正则表示呢是一种自创的匹配模式，接下来就是正则表示在我们爬床中的作用， 他是从某一个字串中提取符合条件的子串，这样说一下他的常见语法。第一个就是点号，他可以匹配除匡扶以外的任意一个字符， 想的呢就是匹配零到九的数字，想 w 呢，他可以匹配所有的字母数字和下划线 以及中文新号表示前面的一个匹配模式出现零次或者是多次。加的话就表示前面的一个匹配模式出现一次或者是多次。问号的话，就表示前面一个匹配模式出现零次或者是一次。 另外还有一个是花框，花框就表示它里面写一个己，就表示前面那个匹配模式出现过多少次。好了，到此呢，我们正则表示的常言语法就说完了。然后下一页我们将给大家介绍阿姨模块的翻的 olo 方法。