python爬虫之正则表达式

字符

符号	描述
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线(word)
\s	匹配任意的空白符(space)
\d	匹配数字(digital)
\n	匹配一个换行符
\t	匹配一个制表符
\b	匹配一个单词的结尾
^	匹配字符串的开始，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 ^。
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 ‘\n’ 或 ‘\r’。要匹配 $ 字符本身，请使用 $。
\W	匹配非字母或数字或下划线
\D	匹配非数字
\S	匹配非空白符
a	b
()	匹配括号内的表达式，也表示一个组
[…]	匹配字符组中的字符
[^…]	匹配除了字符组中字符的所有字符

[字符组]

符号	描述
[0123456789]	在一个字符组里枚举合法的所有字符，字符组里的任意一个字符和"待匹配字符"相同都视为可以匹配
[0-9]	也可以用-表示范围,[0-9]就和[0123456789]是一个意思
[a-z]	同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示
[A-Z]	[A-Z]就表示所有的大写字母
[0-9a-fA-F]	可以匹配数字，大小写形式的a～f，用来验证十六进制符

量词

符号	描述
*	重复零次或更多次
+	重复一次或更多次
？	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 ?。
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

贪心匹配与非贪心匹配

.* 贪婪匹配模式 ，匹配尽可能多的

.*?非贪婪匹配模式，只匹配的第一个满足的就行

边界匹配

^匹配字符串的开始，在多行模式中匹配每一行的开头

$匹配字符串的结尾，在多行模式中匹配每一行的结尾

正则表达式的示例应用

• 验证用户名和密码：（"^[a-zA-Z]\w{5,15}$"）正确格式："[A-Z][a-z]_[0-9]"组成,并且第一个字必须为字母6~16位
• 验证电话号码：（"^(\d{3,4}-)\d{7,8}$"）正确格式：xxx/xxxx-xxxxxxx/xxxxxxxx；
• 验证手机号码："^1[3|4|5|7|8][0-9]{9}$"；
• 验证身份证号（15位或18位数字）："\d{14}[[0-9],0-9xX]"；
• 验证Email地址：("^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$")；
• 只能输入由数字和26个英文字母组成的字符串：("^[A-Za-z0-9]+$")；
• 整数或者小数：^[0-9]+([.][0-9]+){0,1}$
• 只能输入n位的数字："^\d{n}$"
• 只能输入至少n位的数字："^\d{n,}$"。
• 只能输入m~n位的数字："^\d{m,n}$"。
• 只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"。
• 只能输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$"。
• 只能输入有1~3位小数的正实数："^[0-9]+(.[0-9]{1,3})?$"。
• 只能输入非零的正整数："^+?[1-9][0-9]*$"。
• 只能输入非零的负整数："^-[1-9][0-9]*$"。
• 只能输入长度为3的字符："^.{3}$"。
• 只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"。
• 只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"。
• 只能输入由26个小写英文字母组成的字符串："^[a-z]+$"。
• 验证是否含有^%&’,;=?$“等字符：”[%&’,;=?$\^]+"。
• 只能输入汉字："^[\u4e00-\u9fa5]{0,}$"。
• 验证URL："^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$"。
• 验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为：“01"～"09"和"10"～"12”。
• 验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；“01"～"09”、"10"～"29"和“30”~“31”。
• 获取日期正则表达式：\d{4}[年|-|.]\d{\1-\12}[月|-|.]\d{\1-\31}日?
  评注：可用来匹配大多数年月日信息。
• 匹配空白行的正则表达式：\n\s*\r
• 匹配首尾空白字符的正则表达式：^\s*|\s*$
• 匹配ip地址：([1-9]{1,3}.){3}[1-9]。
  
  
  python爬虫之re模块部分将在后面介绍