Python re模块用法详解 / 开普饭

在Python爬虫过程中，实现网页元素解析的方法有很多，正则解析只是其中之一，常见的还有BeautifulSoup和lxml，它们都支持网页HTML元素的解析操作。本节重点讲解如何使用re正则解析模块实现网页信息的提取。

注意：在学习本节知识之前，您应该基本掌握了Pythonre模块的常用方法。

re模块常用方法

1)re.compile()

该方法用来生成正则表达式对象，其语法格式如下：

regex=re.compile(pattern,flags=0)1复制代码类型：[python]

参数说明：

pattern：正则表达式对象。

flags：代表功能标志位，扩展正则表达式的匹配。

2)re.findall()

根据正则表达式匹配目标字符串内容。

re.findall(pattern,string,flags=0)1复制代码类型：[python]

该函数的返回值是匹配到的内容列表，如果正则表达式有子组，则只能获取到子组对应的内容。参数说明如下：

pattern：正则表达式对象。

string：目标字符串

flags：代表功能标志位，扩展正则表达式的匹配。

3)regex.findall()

该函数根据正则表达式对象匹配目标字符串内容。其语法格式如下：

regex.findall(string,pos,endpos)1复制代码类型：[python]

参数说明：

string目标字符串。

pos截取目标字符串的开始匹配位置。

endpos截取目标字符串的结束匹配位置。

4)re.split()

该函数使用正则表达式匹配内容，切割目标字符串。返回值是切割后的内容列表。参数说明：

re.split(pattern,string,flags = 0)1复制代码类型：[python]

参数说明：

pattern：正则表达式。

string：目标字符串。

flags：功能标志位,扩展正则表达式的匹配。

5)re.sub

该函数使用一个字符串替换正则表达式匹配到的内容。返回值是替换后的字符串。其语法格式如下：

re.sub(pattern,replace,string,max,flags = 0)1复制代码类型：[python]

其参数说明：

pattern：正则表达式。

replace：替换的字符串。

string：目标字符串。

max：最多替换几处，默认替换全部，

flags：功能标志位,扩展正则表达式的匹配。

5)re.search()

匹配目标字符串第一个符合的内容，返回值为匹配的对象。语法格式如下：

re.search(pattern,string,flags=0)

参数说明：

pattern：正则表达式

string：目标字符串

flags功能标志位

功能标志位的作用是扩展正则表达的匹配功能。常用的flag如下所示：

flag功能标志位

注意：可以同时使用福多个功能标志位，比如flags=re.I|re.S。