在学习python网络爬虫时用到的正则表达式

符号

 
含义

 
例子

 
匹配结果

 
 
*

 
匹配前面的字符、子表达式或括号里的字符 0 次或多次

 
a*b*

 
aaaaaaaa，aaabbbbb，bbbbbb

 
 
+

 
匹配前面的字符、子表达式或括号里的字符至少 1 次

 
a+b+

 
aaaaaaab，aaabbbbb，abbbbbb

 
 
[]

 
匹配任意一个字符（相当于“任选一个”）

 
[A-Z]*

 
APPLE，CAPITALS，QWERTY

 
 
()

 
表达式编组（在正则表达式的规则里编组会优先运行）

 
(a*b)*

 
aaabaab，abaaab，ababaaaaab

 
 
{m,n}

 
匹配前面的字符、子表达式或括号里的字符 m 到 n 次（包含 m 或 n）

 
a{2,3}b{2,3}

 
aabbb，aaabbb，aabb

 
 
[^]

 
匹配任意一个不在中括号里的字符

 
[^A-Z]*

 
apple，lowercase，qwerty

 
 
|

 
匹配任意一个由竖线分割的字符、子表达式（注意是竖线，不是大字字母I）

 
b(a|i|e)d

 
bad，bid，bed

 
 
.

 
匹配任意单个字符（包括符号、数字和空格等）

 
b.d

 
bad，bzd，b$d，b d

 
 
^

 
指字符串开始位置的字符或子表达式

 
^a

 
apple，asdf，a

 
 
\

 
转义字符（把有特殊含义的字符转换成字面形式）

 
\.\ | \\

 
. | \

 
 
$

 
经常用在正则表达式的末尾，表示“从字符串的末端匹配”。如果不用它，每个正则表达式实际都带着“.*”模式，只会从字符串开头进行匹配。这个符号可以看成是 ^ 符号的反义词

 
[A-Z]*[a-z]*$

 
ABCabc，zzzyx，Bob

 
 
?!

 
“不包含”。这个奇怪的组合通常放在字符或正则表达式前面，表示字符不能出现在目标字符串里。这个符号比较难用，字符通常会在字符串的不同部位出现。如果要在整个字符串中全部排除某个字符，就加上 ^ 和 $ 符号

 
^((?![A-Z]).)*$

 
no-caps-here，$ymb0ls a4e f!ne