Python学习之旅（核心编程爬虫篇004正则表达式）

Python核心编程爬虫篇2021.03.16

指导教师：逻辑教育讲师Jerry

一、正则表达式概念

正则表达式是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个规则字符串。是用来对字符串的过滤逻辑公式。

二、应用场景

• 表单验证，例如 : 手机号、邮箱、身份证等
• 爬虫数据提取

三、正则表达式的使用（对Python的支持）

1、普通字符

• 正则表达式中的普通字符，在匹配的时候,只匹配与自身相同的一个字符
• 例如：达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容是c；匹配到的位置开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）

2、元字符

正则表达式中使用了很多元字符，用来表示这些特殊的含义或功能

表达式	匹配
.	匹配除了换行符\n以外的任意字符
|	逻辑或操作符
[]	匹配字符集中的一个字符
[^]	对字符集求反，^必须放在前面
-	定义[]里的一个区间，例如a-z
\	对一些具有特殊功能的字符进行转义
()	对表达式进行分组，将括号内的内容当做整体，并获得其所匹配的值

3、预定义匹配字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个
字符。比如，表达式\d可以匹配任意一个数字，但是只能是一个，不是多个。

表达式	匹配
\d	0-9中的任意一个数字
\w	a-z，A-Z，0-9，_中的任意一个字符
\s	空格、制表符、换页符等空白字符中的任意一个字符
\D	\d的反集，非数字中的任意一个字符，等同于[^\d]
\W	\w的反集，等同于[^\w]
\S	\s的反集，等同于[^\s]

4、重复匹配

为了对某个字段进行重复匹配，例如手机号码13666666666，可以使用表达式再加上修饰匹配次数的特殊符号{},例如[abcd][abcd]可以写成[abcd]{2}

表达式	匹配
{n}	表达式重复n次，比如a{3}相当于aaa
{m,n}	表达式至少重复m次，至多重复n次，比如ab{1,3}可匹配ab,abb,abbb
{ m,}	表达式至少重复m次
?	匹配表达式0次或者1次，相当于{0,1}比如 a[cd]?可以匹配a,ac,ab
+	表达式至少重复1次 ,相当于{1，}，比如a+b可以匹配ab,aab,aaab等
*	表达式重复0次到任意次，相当于{0，}，比如\^*b，可以匹配b,^b,^^b,^^^b等

5、位置匹配

有时候，我们对匹配出现的位置有要求，如开头、结尾、单词之间等等

表达式	匹配
^	在字符串开始的地方匹配
$	在字符串结束的地方匹配
\b	匹配一个单词的边界（单词和空格之间的位置）
\B	匹配非单词边界

6、贪婪与非贪婪匹配

• 贪婪匹配：以最长的结果作为返回 在Python当中默认是贪婪的 总是去尝试匹配尽可能多的字符
• 非贪婪匹配：总是尝试去匹配尽可能少的字符，例如.*加？,.+加?,{m,n}加?

"""非贪婪匹配"""
import re

s =