python爬虫入门教程–正则表达式完全指南（五）资源-CSDN下载

python字符串操作

114 浏览量 2021-01-20 04:35:53 上传评论收藏 111KB PDF 举报

资源推荐

资源详情

资源评论

python爬虫入门教程爬虫入门教程–正则表达式完全指南（五）正则表达式完全指南（五）

前言前言

正则表达式处理文本有如疾风扫秋叶，绝大部分编程语言都内置支持正则表达式，它应用在诸如表单验证、文本提取、替换等

场景。爬虫系统更是离不开正则表达式，用好正则表达式往往能收到事半功倍的效果。

介绍正则表达式前，先来看一个问题，下面这段文本来自豆瓣的某个网页链接，我对内容进行了缩减。问：如何提取文本中所

有邮箱地址呢？

html = """

<style>

.qrcode-app{

display: block;

background: url(/pics/qrcode_app4@2x.png) no-repeat;

}

</style>

<div class="reply-doc content">

<p class="">34613453@qq.com，谢谢了</p>

<p class="">30604259@qq.com麻烦楼主</p>

</div>

<p class="">490010464@163.com<br/>谢谢</p>

"""

如果你还没接触过正则表达式，我想对此会是一筹莫展，不用正则，似乎想不到一种更好的方式来处理，不过，我们暂且放下

这个问题，待学习完正则表达式之后再来考虑如何解决。

字符串的表现形式字符串的表现形式

Python 字符串有几种表现形式，以u开头的字符串称为Unicode字符串，它不在本文讨论范围内，此外，你应该还看到过这两

种写法：

>>> foo = "hello"

>>> bar = r"hello"

前者是常规字符串，后者 r 开头的是原始字符串，两者有什么区别？因为在上面的例子中，它们都是由普通文本字符组成的

串，在这里没什么区别，下面可以证明

>>> foo is bar

True

>>> foo == bar

True

但是，如果字符串中包括有特殊字符，会是什么情况呢？再来看一个例子：

>>> foo = "\n"

>>> bar = r""

>>> foo, len(foo)

('', 1)

>>> bar, len(bar)

('\n', 2)

>>> foo == bar

False

>>>

“” 是一个转义字符，它在 ASCII 中表示换行符。而 r”” 是一个原始字符串，原始字符串不对特殊字符进行转义，它就是你

看到的字面意思，由 “\” 和 “n” 两个字符组成的字符串。

定义原始字符串可以用小写r或者大写R开头，比如 r”” 或者 R”” 都是允许的。在 Python 中，正则表达式一般用原始字符串

的形式来定义，为什么呢？

举例来说，对于字符 “” 来说，它在 ASCII 中是有特殊意义的，表示退格键，而在正则表达式中，它是一个特殊的元字符，

用于匹配一个单词的边界，为了能让正则编译器正确地表达它的意义就需要用原始字符串，当然也可以使用反斜杠 “\” 对常规

定义的字符串进行转义

>>> foo = "\"

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

内容反馈

weixin_38698174

粉丝: 3

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip