Re

正则表达式

引自千锋教育

1. 什么是正则表达式
   正则表达式是对字符串操作的一种逻辑公式，就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”，这个“规则字符串”用来表达对字符串的一种过滤逻辑组成。
   普通字符：普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。
   元字符：记住常用的几个就可以，比如 \ . * ? +等
   常用的正则的字符

2. 匹配单个字符与数字

. 匹配除换行符以外的任意字符
[0123456789] []是字符集合，表示匹配方括号中所包含的任意一个字符
[good] 匹配good中任意一个字符
[a-z] 匹配任意小写字母
[A-Z] 匹配任意大写字母
[0-9] 匹配任意数字，类似[0123456789]
[0-9a-zA-Z] 匹配任意的数字和字母
[0-9a-zA-Z_] 匹配任意的数字、字母和下划线
[^good] 匹配除了good这几个字母以外的所有字符，中括号里的^称为脱字符，表示不匹配集合中的字符
[^0-9] 匹配所有的非数字字符
\d 匹配数字，效果同[0-9]
\D 匹配非数字字符，效果同[^0-9]
\w 匹配数字，字母和下划线,效果同[0-9a-zA-Z_]
\W 匹配非数字，字母和下划线，效果同[^0-9a-zA-Z_]
\s 匹配任意的空白符(空格，回车，换行，制表，换页)，效果同[ \r\n\t\f]
\S 匹配任意的非空白符，效果同[^ \f\n\r\t]

3. 锚字符(边界字符)

^ 行首匹配，和在[]里的^不是一个意思
$ 行尾匹配
\A 匹配字符串开始，它和^的区别是,\A只匹配整个字符串的开头，即使在re.M模式下也不会匹配它行的行首
\Z 匹配字符串结束，它和$的区别是,\Z只匹配整个字符串的结束，即使在re.M模式下也不会匹配它行的行尾
\b 匹配一个单词的边界，也就是值单词和空格间的位置
\B 匹配非单词边界

4. 匹配多个字符

说明：下方的x、y、z均为假设的普通字符,n、m（非负整数），不是正则表达式的元字符
(xyz) 匹配小括号内的xyz(作为一个整体去匹配)
x? 匹配0个或者1个x
x* 匹配0个或者任意多个x（.* 表示匹配0个或者任意多个字符(换行符除外)）
x+ 匹配至少一个x
x{n} 匹配确定的n个x（n是一个非负整数）
x{n,} 匹配至少n个x
x{n,m} 匹配至少n个最多m个x。注意：n <= m
x|y |表示或，匹配的是x或y

5. 特殊

*? +? x? 最小匹配，通常都是尽可能多的匹配，可以使用这种解决贪婪匹配
(?:x) 类似(xyz),但不表示一个组

from urllib import request 
import  re 
#正则表达式的使用 
def Lcu():    
	url='http://tieba.baidu.com/f?kw=%C1%C4%B3%C7%B4%F3%D1%A7&fr=ala0&tpl=5'    	context = request.urlopen(url).read().decode('utf-8')    
	#找到所有的a标签    
	rel = '<a.*?href.*?>'    
	#python会将字符串转换为正则表达式对象。    
	# 而使用compile完成一次转换之后，在每次使用模式的时候就不用重复转换    
	re2 = re.compile(rel)    #返回的类型为列表类型    
	result = re.findall(re2,context)    
	print(result)    
	for item in result:        
	#()标记一个子表达式的开始和结束位置。        
	#匹配所有的与re3相似的正则表达式，并且取得title的内容        
	re3 ='<a.*?title=\"(.*?)\".*?class=\"j_th_tit[\\s+]\".*?'        
	re4= re.compile(re3)        
	title=re.findall(re4,item)        
	print(title)        
	if len(title) ==0:            
		continue        
	else:            
		print(title[0]) 
Lcu()