06Python爬虫---正则表达式01之原子

原子：正则表达式中最基本的组成单位，每个正则表达式中至少包含一个原子，原子有以下几类

（1）普通字符作为原子

（2）非打印字符作为原子

（3）通用字符作为原子

（4）原子表

---

（1）普通字符作为原子

import re

pattern = "yue"

string = "http://yum.iqianyue.com"

result = re.search(pattern, string)

print("普通字符作为原子结果:%s"%result)

# 普通字符作为原子结果:<_sre.SRE_Match object; span=(16, 19), match='yue'>

（2）非打印字符作为原子

  非打印字符指的事一些字符串中用于格式控制的符号，比如换行符
   \n 匹配一个换行符 \t匹配一个制表符

import re

pattern = "\n"

string = """http://www.baidu.com

http://yum.iqianyue.com"""

result = re.search(pattern, string)

print("非打印字符作为原子结果:%s"%result)

# 非打印字符作为原子结果:<_sre.SRE_Match object; span=(20, 21), match='\n'>

（3）通用字符作为原子

一个原子可以匹配一类字符

字母	意义
/w	匹配任意一个字母、数字或者下划线
/W	匹配除字母、数字和下划线意外的任意一个字符
/d	匹配仍以一个十进制数
/D	匹配除十进制数意外的任意一个其他字符
/s	匹配任意一个空白字符
/S	匹配除空白字符意外的任意一个其他字符

例子：’\w\dpython\w’对 ‘python’字符进行匹配，字符最后一个是字母、数字或下划线，字符前一位是任意的十进制数，再前一位置是一个字母数字或下划线的格式字符串，如’67python8’,’u2python_’

import re

pattern = "\w\dpython\w"

string = "abcdfphp345python_py"

result = re.search(pattern, string)

print("通用字符作为原子结果:%s"%result)

# 通用字符作为原子结果:<_sre.SRE_Match object; span=(9, 18), match='45python_'>

（4）原子表

  定义一组地位平等的原子，然后匹配的时候会取该原子表中的任意一个原子进行匹配。
  在Python中，原子表由[]表示，比如[xyz],就是一个原子表，这个原子表中定义了3个原子，这3个原子的地位平等。
例子：
（1）定义了表达式’[xyz]py’，对应的源字符串是’xpython’，如果此时使用re.search()函数进行匹配，就可以匹配出结果’xpy’，因此只要py前一位是xyz字母中的其中一个字母就可以匹配成功。
（2）类似的[^]代表的事除了中括号里面的原子均可以匹配，比如’[^xyz]py’能匹配’apy’，但不能匹配’xpy’

import re

pattern1 = "\w\dpython[xyz]\w"

pattern2 = "\w\dpython[^xyz]\w"

pattern3 = "\w\dpython[xyz]\W"

string = "abcdfphp345pythony_py"

result1 = re.search(pattern1, string)

result2 = re.search(pattern2, string)

result3 = re.search(pattern3, string)

print("结果1:%s"%result1)  # 结果1:45pythony_

print("结果2:%s"%result2)  # 结果2:None 没有匹配成功所以都为none

print("结果3:%s"%result3)  # 结果3:None