一.前言
就我目前而了解,爬虫的话很多情况下我们需要通过正则表达式来进行字符的匹配。因此我们还是有需要对正则表达式来进行一次巩固学习的。以下的主要是从另一个作者文章拿过来的链接如下:
https://www.cnblogs.com/larry-luo/p/10814919.html
1、普通字符和11个元字符:
普通字符 | 匹配自身 | abc | abc |
. | 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 | a.c | abc |
\ | 转义字符,使后一个字符改变原来的意思 | a\.c;a\\c | a.c;a\c |
* | 匹配前一个字符0或多次 | abc* | ab;abccc |
+ | 匹配前一个字符1次或无限次 | abc+ | abc;abccc |
? | 匹配一个字符0次或1次 | abc? | ab;abc |
^ | 匹配字符串开头。在多行模式中匹配每一行的开头 | ^abc | abc |
$ | 匹配字符串末尾,在多行模式中匹配每一行的末尾 | abc$ | abc |
| | 或。匹配|左右表达式任意一个,从左到右匹配,如果|没有包括在()中,则它的范围是整个正则表达式 | abc|def | abc def |
{} | {m}匹配前一个字符m次,{m,n}匹配前一个字符m至n次,若省略n,则匹配m至无限次 | ab{1,2}c | abc abbc |
[] | 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出,也可以给出范围,如[abc]或[a-c]。[^abc]表示取反,即非abc。 | a[bcd]e | abe ace ade
|
() | 被括起来的表达式将作为分组,从表达式左边开始没遇到一个分组的左括号“(”,编号+1. | (abc){2} | abcabc a456c |
2、预定义字符集(可以写在字符集[...]中)
\d | 数字:[0-9] | a\bc | a1c |
\D | 非数字:[^\d] | a\Dc | abc |
\s | 匹配任何空白字符:[<空格>\t\r\n\f\v] | a\sc | a c |
\S | 非空白字符:[^\s] | a\Sc | abc |
\w | 匹配包括下划线在内的任何字字符:[A-Za-z0-9_] | a\wc | abc |
\W | 匹配非字母字符,即匹配特殊字符 | a\Wc | a c |
\A | 仅匹配字符串开头,同^ | \Aabc | abc |
\Z | 仅匹配字符串结尾,同$ | abc\Z | abc |
\b | 匹配\w和\W之间,即匹配单词边界匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。 | \babc\b | 空格abc空格 |
\B | [^\b] | a\Bbc | abc |
3、特殊分组用法:
(?P<name>) | 分组,除了原有的编号外再指定一个额外的别名 | (?P<id>abc){2} | abcabc |
(?P=name) | 引用别名为<name>的分组匹配到字符串 | (?P<id>\d)abc(?P=id) | 1abc1 5abc5 |
\<number> | 引用编号为<number>的分组匹配到字符串 | (\d)abc\1 | 1abc1 5abc5 |