image
python爬虫正则表达式介绍
元字符
^ $ * + . | ? {} [] () 这就是元字符了，学会这些应该就够你用的了。
python中的正则表达式通过import re 来使用。
1、python爬虫正则表达式，[] 常用来指定一个字符集，如：[abc ]; [a-z] 里面所有的字母会被一一匹配 例子：
image
image
面例子都解释的很清楚了，我就不重复一行行解释了。 注： 示例中^表示取反。
[a-z]表示 从字母a到z所有的字母。
[0-9]等价于[0123456789] 也可以用d 表示。 所有其它的元字符在[]中将失去原有的意义，比如示例中的^在[]表示取反。
2、^ 表示匹配字符串的开头。在多行模式下匹配每一行的开头。
image
注：^一般放在字符串开头
3、$ 表示匹配字符串的结尾。在多行模式下匹配每一行的尾部。
image
注：$一般放在字符串结尾。
上面三个可以看成一个小块，你记住了吗？理解了吗？看明白了吗？还有你自己敲一遍代码了吗？？？？？！！！！一定自己尝试敲一遍代码！
好接下来，继续 由于元字符是特殊字符，如果我们要匹配元字符本身的字符应该怎么办呢？ 当我们想把元字符变为为普通符号是可以使用（反斜杠）进行转义。
4、反斜杠后面可以加不同的字符以表示特殊意义。 也可用于取消所有元字符，变为普通符号。
image
你只要能记住加黑加粗的其它的我打赌你肯定也全会了。所以记住加粗的，自己把下面的代码敲一遍。 示例
image
正则表达式可以匹配不定长的字符集，另外也可以指定字符串的重复次数。
- （星号） 指定前一个字符可以匹配0次或者多次，而不是只有1次，匹配结果会尽可能的重复多次最大不超过20亿次。（后面若加问号？变为非贪婪模式仅匹配0次：ab*? 结果为a）
- （加号） 匹配前一个字符1次或者多次。（后面若加问号？变为非贪婪模式仅匹配1次：ab+? 结果为ab）
？ （问号） 匹配前一个字符0次或者1次。（后面若加问号？变为非贪婪模式仅匹配0次：ab?? 结果为a） ？可以是python原本的贪婪模式变为非贪婪模式。
（花括号） m是数字，表示重复前一个字符m次。
表示重复前一个字符m-n次。若省略m则表示0-n次，若省略n表示m到无限次。（后面若加问号？变为非贪婪模式仅匹配0次：ab? 结果为abb）
image
（） | . . 它匹配除了换行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配换行
| 代表左右表达式任意匹配一个。a|b 匹配a或者匹配b 。 如果没有被(...)括起来它的范围是整个正则表达式。
(...) 将正则表达式分组，每个分组为一个整体，将优先返回分组内的数据
网友评论