爬虫（五十八）正则表达式（四十九）

啊，终于把一些基本的库都讲完了，可以看看之前的文章，接下来开始讲正则表达式

正则表达式（regular expression）是一种工具，一种广泛用于匹配字符串的工具。它用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+”描述的特征是“一个'a'和任意个'b'”，那么'ab','abb','abbbbbbbbbb'都符合这个特征。

很多人觉得学习正则表达式太难，那是因为还没有理解正则的功用及其使用场景，没有牢固的背下它的基本语法和元字符。

考虑下面的几个场景：

• 你要搜索一个文件，这个文件里包含了单词‘cat’（不区分字母大小写），但你并不想把包含着字符串‘cat’的其他单词（比如catch、cattle等）也找出来。

• 你的WEB服务器接收从表单发送过来的用户邮箱地址信息。你需要检查电子邮件地址是否符合正确的语法格式。

• 你正在编辑一段源代码并且要把所有的‘size’都替换为‘isize’，但这种替换仅仅限于‘size’单词本身，而不涉及那些包含着字符串‘size’的其他单词。

• 你需要在文件里搜索某个特定的文本，但你只想把出现在特定位置的，比如每行的开头或是结尾的找出来。

以上场景都是我们在程序编写过程中经常会遇到的问题，用任何一种支持条件处理和字符串操作的编程语言都可以解决它们，但是解决过程可能比较复杂。例如，用一些循环来依次遍历那些单词或字符，并在循环体内用一系列的if语句来进行测试，但是这样的效率非常低下。或者，使用编程语言内置的字符串方法，比如Python语言中字符串的find方法，虽然也是可行，但功能较弱，很多场景无能为力。

这种情况下，使用正则是很好的选择，上述问题都可以通过精心构造一些匹配表达式，或者说一些由文本和特殊字符构成的高度简练的字符串来解决。

在正式学习正则之前，你要牢记下面几个事项：

• 正则表达式本质上是一门语言，它不从属与Python！Python只是将他人写好的正则引擎集成到了语言内部，大多数编程语言都是这么干的！

• 正则表达式诞生的时间很长，应用非常广泛，是业界公认的字符串匹配工具。虽然有不同版本的内部引擎，但基本通用，也就是说，你在Python内写的正则表达式，可以移植到Linux的shell，Java语言等任何支持正则的场景中去。

• 正则表达式默认从左往右匹配。

• 正则表达式默认是贪婪模式。

• 正则表达式默认在匹配到了内容后，则终止匹配，不继续匹配。

• 对同一个问题，编写的正则表达式不是唯一的！

请继续关注我

记得点赞加关注哦，记得加鸡腿啊