由于最近需要使用爬蟲(chóng)爬取數(shù)據(jù)進(jìn)行測(cè)試，所以開(kāi)始了爬蟲(chóng)的填坑之旅，那么首先就是先系統(tǒng)的學(xué)習(xí)下關(guān)于正則相關(guān)的知識(shí)啦。所以將下面正則方面的知識(shí)點(diǎn)做了個(gè)整理。語(yǔ)言環(huán)境為Python。主要講解下Python的Re模塊。

下面的語(yǔ)法我就主要列出一部分，剩下的在python官網(wǎng)直接查閱即可： docs.python.org/3/library/r…

一、基礎(chǔ)語(yǔ)法總結(jié)

1.1、匹配單個(gè)字符

a . /d /D /w /W /s /S [...] [^...]

匹配單個(gè)字符（.）

規(guī)則：匹配除換行之外的任意字符

In [24]: re.findall("f.o","foo is not fao")Out[24]: ['foo', 'fao']

匹配任意（非）數(shù)字字符（/d /D）

/d   [0-9]
/D   [^0-9]

匹配任意（非）普通字符（/w /W）

/w 普通字符 包括[_0-9A-Za-z] 同時(shí)也包括漢字
/W 非普通字符

匹配任意（非）空字符（/s /S）

/s 匹配任意空字符  [/r/n/t]
/S 匹配任意非空字符

匹配字符集合（[...]）

[A-Z][a-z][0-9][_123a-z]

匹配字符集（[^...]）

規(guī)則：字符集取非，除列出的字符之外的任意一個(gè)字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多個(gè)字符

* 匹配0次或者多次
+ 匹配1次或者多次
? 匹配0次或者1次
{m} 匹配m次
{m,n} 匹配m次到n次區(qū)間內(nèi)的任意一次

1.3、匹配位置

^ 匹配開(kāi)始位置
$ 匹配結(jié)束位置
/A 匹配開(kāi)始位置
/Z 匹配結(jié)束位置
/b 匹配單詞邊界位置（一般用于首字母大寫(xiě)的匹配）
/B 匹配非單詞邊界問(wèn)題

1.4、轉(zhuǎn)義

在正則表達(dá)式中有一類特殊字符需要轉(zhuǎn)移，只需要在特殊字符之間加上 / 表示轉(zhuǎn)移即可

. * + ? ^ $ [] {} () | /

1.5、子組

使用() 可以為正則表達(dá)式建立內(nèi)部分組，子組為正則表達(dá)式的一部分，可以看做一個(gè)內(nèi)部整體。

In [61]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(0)Out[61]: 'https://www.baidu.com'In [62]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(1)Out[62]: 'https'

1.6、貪婪模式和非貪婪模式

正則表達(dá)式的重復(fù)匹配總是盡可能多的向后匹配更多的內(nèi)容。 貪婪模式包括：* + ? {m,n}

非貪婪模式：盡可能少的匹配內(nèi)容 貪婪模式轉(zhuǎn)換為非貪婪模式：*? +? ?? {m,n}?

In [106]: re.findall(r"ab+?","abbbbbbbb")Out[106]: ['ab']In [107]: re.findall(r"ab??","abbbbbbbb")Out[107]: ['a']

二、Re模塊