python-正则表达式re

匹配集合与补集

• 字符组表达式 […] 匹配括号中列出的任一个字符
  • [abc] 可以匹配字符 a 或 b 或 c
  • 区间形式 [0-9] 是顺序列出的缩写，匹配所有十进制数字
  • 字符 [0-9a-zA-Z]匹配所有字母（英文字母）和数字
• [^…] 中的 ^ 表示求补，这种模式匹配所有未在括号里列出的字符
  • [^0-9] 匹配所有非十进制数字的字符
  • [^ \t\v\n\f\r] 匹配所有非空白字符（非空格/制表符/换行符）
  • 如果需要在字符组里包括 ^，就不能放在第一个位置，以免混淆含义。可以写^恢复其本来含义；如 果需要在字符组包括 - ]，也必须写 -或 ]

常规字符匹配

r1 = re.compile('abc’)
常用字符组

• 为了方便，re 用换意串形式定义了几个常用字符组，包括：
  \d：与十进制数字匹配，等价于 [0-9]
  \D：与非十进制数字的所有字符匹配，等价于 [^0-9]
  \s：与所有空白字符匹配，等价于 [ \t\v\n\f\r]
  \S：与所有非空白字符匹配，等价于 [^ \t\v\n\f\r]
  \w：与所有字母数字字符匹配，等价于 [0-9a-zA-Z]
  \W：与所有非字母数字字符匹配，等价于 [^0-9a-zA-Z]
• 圆点字符 . 可以匹配任意一个字符
  a…b 匹配所有以 a 开头 b 结束的四字符串
  重复
• 常希望写重复匹配的模式（部分），任意次或若干次重复：
• 基本重复运算符是 ，α 与 α 的 0 次或任意多次出现匹配：例如[1-9][0-9]或者[1-9]\d代表任意大的正整数
• 与 * 略微不同的重复运算符 + 表示 1 次或多次重复：例：允许以0开头时，描述正整数的一种简单写法’\d+’； ‘α +’，等价于 'αα* ’

常希望写重复匹配的模式（部分），任意次或若干次重复：

• 用 ? 运算符表示 ? 表示 0 次或 1 次重复 例，描述整数（表示整数的字符串）的一种简单模式 ‘-?\d+’，其前面的’-?'部分表示可以以负号开头。
• 确定次数的重复用 {n} 表示，α{n} 与 α 匹配的串的 n 次重复匹配：
  描述北京常规的固话号码：’(010-)?[2-9][0-9]{7}'表示可选010前缀，2-9开头，后面的任意数字加起来一共可以有七位。
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  
  

使用正则表达式抽取数据

网页源代码

• 名称嵌在

  和

  之中
• 写出对应的正则表达式

  (.+?)

• 字符 . 负责匹配除了换行字符意外的任何字符
• 字符 +? 负责字符匹配的范围
• () 区别于字符集合 [] ，代表捕获组 (.+?)
• 表示匹配标签之间的所有内容