Python爬虫（八）——正则表达式

Python爬虫（八）——正则表达式

概念

正则表达式（regular expression，RE）是一种通用的字符表达框架，用来简洁表达一组字符串的表达式。

作用

• 表达文本类型的特征
• 查找或替换一组字符串
• 匹配字符串的全部或部分

使用

将符合正则表达式语法的字符串转换成正则表达式。

语法

正则表达式由字符和操作符构成

常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a-z]表示a到z单个字符
[^]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	克林闭包
+	正闭包
?	前一个字符0次或1次拓展	a?表示Φ或a
|	左右表达式任意一个	ab|de表示ab或de
{m}	扩展前一个字符m次	ab{2}c表示abbc
{m,n}	扩展前一个字符m至n次（包含n）	ab{1,2}c表示abc或abbc
^	匹配字符串开头	^abc表示abc且abc在字符串的开头
$	匹配字符串结尾	abc$表示abc且abc在字符串的结尾
()	分组标记，内部只能使用	操作符(abc)表示abc，(abc|def)表示abc或def
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9]

使用

Re库是Python的标准库，主要用于字符串匹配。它使用raw string类型表示正则表达式。

调用：

import re

raw string不包含转义符，只用在普通string类型的字符串之前