爬虫day4 --re正则

一.正则的简介

1.概念：
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑
2.应用场景
表单验证（如手机号，邮箱，身份证）
爬虫

二.match()函数

match(pattern, string, flags=0)

• 第一个参数是正则表达式，如果匹配成功，则返回一个match对象，否则返回一个None
• 第二个参数表示要匹配的字符串
• 第三个参数是标致位用于控制正则表达式的匹配方式 如: 是否区分大小写,多行匹配等等

三.元字符

表达式	匹配
.	匹配除换行符\n以外的任意字符
|	逻辑“或”操作符
[ ]	匹配字符集中一个字符
[^]	对字符集求反，尖号必须在方括号里最前面
-	定义[ ]里的字符区间，例如[a - z]
()	对表达式进行分组

表达式	匹配
\r, \n	匹配回车和换行符
\t	匹配制表符
\\	匹配斜杠
\^	匹配尖号
\$	匹配$号
\.	匹配点

四.预定义字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式\d可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个

表达式	匹配
\d	任意一个数字，0~9的任意一个
\w	任意一个字母，数字，下划线，也就是0~9, A~Z, a~z,_中任意一个
\s	空格，制表符，换页符等空白字符的任意一个

改为大写就是他们的反集
如：\D = [^\d]

五.重复匹配

使用表达式再加上修饰匹配次数的特殊符号{}，不但重复书写表达式就可以重复匹配。例如[abcd][abcd]可以写成[abcd]{2}

表达式	匹配
{n}	表达式重复n次，比如\d{2}相当于\d\d,a{3}相当于aaa
{m,n}	表达式至少重复m次，最多n次。比如ab{1，3}可以匹配到ab，abb，abbb
{m, }	表达式至少重复m次，比如\w\d{2, }可以匹配a12，_1111, M123等等
？	匹配表达式0次或者1次，相当于{0，1}，比如a[cd]?可以匹配a,ac,ad
+	表达式至少出现1次，相当于{1，}，比如a+b可以匹配ab， aab，aaab等
*	表达式出现0次到任意次

六.非贪婪匹配

在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。
例如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。
可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。
同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配

七.其他

校验数字的相关表达式：

特殊场景的表达式:

八.分组功能

Python的re模块有一个分组功能。
所谓的分组就是去已经匹配到的内容再筛选出需要的内容，相当于二次过滤。
实现分组靠圆括号()，而获取分组的内容靠的是group()、groups()，其实前面我们已经展示过。
re模块里的积个重要方法在分组上，有不同的表现形式，需要区别对待