Python第十节—爬虫前正则模块学习

陆陆续续给大家讲了不少课，基础的内容可以关注小编，查看往期的内容，每期的内容不多，希望大家多多加油！

今天给大家讲的是Python中的爬虫内容，讲爬虫之前先给大家讲一下正则模块，正则表一般用来检索替换那些符合某些规则的文本，白话就是，你要查找A中的有没有“男孩”这个词，然后需要你自己在程序中设定规则（正则表达式）为“男孩”，然后利用正则模块来查找，或者某些英文语句，E-mail地址，命令或者你想搞定的东西

正则表达式是一段文本或者一个公式，由普通字符以及特殊字符组成的文字模式，它是用来描述某种特征，用某种特征去进行匹配

匹配 描述正则表达式动作的结果，给定一段文本或者字符串，使用正则表达式从文本或者字符串中查找符合正则表达式的字符串

字符匹配

—普通字符，例如a,b,c,d,e,f,g,h.......

—元字符，例如[ ] 常用来指定一个字符集：[abc]；[a-z]

[^ ]指定不再区间范围内

^，匹配行首，它只能匹配字符串的开始

$，匹配行尾，

听不懂不要着急，且让小编给你举几个简单例子

1.先导入re模块，利用import re

2.输入一段内容s

3.输入正则表达式res=r‘ ’（加上r是为了和上面内容做区分，这里查找的元字符是com）

4.利用re.findall函数，查找

当用[]来指定一个字符集时，比如下面的例子，我要搜索出tap tqp，可以写成res=r‘t[aq]p'，可以直接查找

如果res=r‘[h]’，意思就是查找s中是否存在含有h的字符串，有几个含有h就显示几个字符串

import re

s='hello world hello'

res=r'[h]'

print re.findall(res,s)

输出的是‘ h’，‘h’（因为s中有两个hello）

当利用$符号时，代表定位在尾部

import re

s='hilp halp hblp hclp hdlp hilp'

res=r'hilp