【原】Python re模块用法详解

   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

缩写元字符	说明
A	元字符只能匹配 ASCII码。
I	匹配忽略字母大小写。
S	使得.元字符可以匹配换行符。
M	使 ^ $ 可以匹配每一行的开头和结尾位置。

    注意：可以同时使用福多个功能标志位，比如flags=re.I|re.S。