正则表达式

正则表达式

字符匹配

符号	意义	使用	结果
“.”	匹配除换行符以外的任何字符	re.findall(’.’,‘abcbcd’)	[‘a’, ‘b’, ‘c’, ‘b’, ‘c’, ‘d’]
“^”	匹配字符串的开头	re.findall(’^a’,‘abcbcd’)	[‘a’]
“$”	匹配字符串末尾或字符串末尾换行符之前	re.findall(‘d$’,‘abcbcd’)	[‘d’]
“*”	匹配前一个re的0个或多个（贪婪的）重复。贪婪意味着它将尽可能多的重复匹配	re.findall(‘b*’,‘abcbcd’)	[’’, ‘b’, ‘’, ‘b’, ‘’, ‘’, ‘’]
“+”	匹配前面的1次或多次（贪婪的）重复	re.findall(‘bc+’,‘abcbcd’)	[‘bc’, ‘bc’]
“?”	匹配前面re的0或1（贪婪）	re.findall(‘bc?’,‘abcbcd’)	[‘bc’, ‘bc’]
*?,+?,??	前三个特殊字符的非贪婪版本	re.findall(‘b*?’,‘abcbcd’) re.findall(‘bc+?’,‘abcbcd’) re.findall(‘bc??’,‘abcbcd’)	[’’, ‘’, ‘b’, ‘’, ‘’, ‘b’, ‘’, ‘’, ‘’] [‘bc’, ‘bc’] [‘b’, ‘b’]
{m,n}	从m到n的匹配重复前面的re	re.findall(‘bc{0,1}’,‘abcbcd’)	[‘bc’, ‘bc’]
{m,n}?	上面的非贪婪版本	re.findall(‘bc{0,1}?’,‘abcbcd’)	[‘b’, ‘b’]
“\”	要么转义特殊字符，要么发出特殊序列的信号
[]	表示一组字符,作为第一个字符的“^”表示补集	re.findall(’[bc]’,‘abcbcd’) re.findall(’[^bc]’,‘abcbcd’)	[‘b’, ‘c’, ‘b’, ‘c’] [‘a’, ‘d’]
“|”	A B，创建一个与A或B匹配的RE	re.findall('b	c’,‘abcbcd’)
(…)	匹配括号内的re。可以在以后的字符串中检索或匹配内容	re.findall(’(bc)’,‘abcbcd’)	[‘bc’, ‘bc’]
(?aiLmsux)	设置RE的A、I、L、M、S、U或X标志（见下文）
(?:…)	常规括号的非分组版本	re.findall(’(?:bc)’,‘abcbcd’)	[‘bc’, ‘bc’]
(?P…)	组匹配的子字符串可以通过名称访问	re.findall(’(?P…)’,‘abcbcd’)	[‘abc’, ‘bcd’]
(?P=name)	与前面名为name的组匹配的文本匹配
(?#…)	注释；忽略	re.findall(’…(?#bc)’,‘abcbcd’)	[‘ab’, ‘cb’, ‘cd’]
(?=…)	匹配如果…匹配下一个，但不使用字符串	re.findall(’.(?=.)’,‘abcbcd’)	[‘a’, ‘b’, ‘c’, ‘b’, ‘c’]
(?!..)	匹配如果…不匹配下一个	res = re.findall(’.(?!.)’,‘abcbcd’)	[‘d’]
(?<=…)	如果前面有…（必须为固定长度）	re.findall(’.(?<=bc)’,‘abcbcd’)	[‘c’, ‘c’]
(?<!..)	如果前面没有匹配…（必须为固定长度）	re.findall(’.(?<!bc)’,‘abcbcd’)	[‘a’, ‘b’, ‘b’, ‘d’]
(?(id/name)yes|no)	匹配是模式如果ID/名称匹配的组，则为（可选）否模式，否则为
\number	匹配同一号码组的内容
\A	仅在字符串开头匹配	re.findall(’\A123’,‘123123’)	[‘123’]
\Z	仅在字符串末尾匹配	re.findall(‘23\Z’,‘123123’)	[‘23’]
\b	匹配空字符串，但仅在单词的开头或结尾
\B	匹配空字符串，但不在单词的开头或结尾
\d	匹配任何十进制数字；相当于带有ASCII标志的集合[0-9]内字节模式或字符串模式	re.findall(’\d’,‘123456’)	[‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’]
\D	匹配任何非数字字符；相当于[^\d]	re.findall(’\D’,‘a123b’)	[‘a’, ‘b’]
\s	atches任何空白字符；相当于字节模式中的[\t\n\r\f\v]或带ASCII标志的字符串模式。在不带ASCII标志的字符串模式中，它将匹配整个Unicode空白字符范围。
\S	匹配任何非空白字符；相当于[^\s]
\w	匹配任何字母数字字符；相当于字节模式中的[A-ZA-Z0-9 UUU]或带ASCII标志的字符串模式。在不带ASCII标志的字符串模式中，它将匹配Unicode字母数字字符（字母加数字加下划线）的范围。在区域设置中，它将匹配集[0-9 UUU]加上定义的字符。作为当前区域设置的字母。
\W	匹配\w的补码
\\	匹配文字反斜杠

方法使用

方法	使用场景
match	将正则表达式模式与字符串开头匹配
fullmatch	完全匹配将正则表达式模式与所有字符串匹配
search	在字符串中搜索是否存在模式
sub	在字符串中替换出现的模式
subn	与Sub相同，但也返回所做替换的数目
split	按出现的模式拆分字符串
findall	在字符串中查找模式的所有匹配项
finditer	返回为每个匹配生成匹配对象的迭代器
compile	将模式编译为模式对象
purge	清除正则表达式缓存
escape	反斜杠字符串中所有非字母数字

总结

没有测试的我自己也没弄太清楚，正则表达式效率很高，比bs4等效率要高很多，所以学习爬虫需要学号正则表达式，欢迎各位评论，共同进步