正则表达式

正则提取字符方式

[abc]	abc中的一个
[a-z]	a-z中的一个
[0-9]	0-9中的一个数字
[a-f0-5]	a-f或者0-5 一个就可以
[ab] [de][12]	每个[]取一个，连起来

元字符

• 1:对于 . 的使用，以及字符串的方法

.  任意单字符   ，匹配不了 \n
就想表示字符串的 . 这么写 \.

\d	一个数字 相当于[0-9]
\D	一个 非 数字
\w	一个数字字母或者下划线。相当于[a-zA-Z0-9_] (中文)
\W	\w的反面
\s	空白
\S	非空白
\b	单词边界 r’\bis\b’ 特殊的地方。单词边界前一定要加一个r’’

• 2:小例子：

	13\d\d\d\d\d\d\d\d\d    13\d{9}
	1[3456789]\d\d\d\d\d\d\d\d\d

量词：

{m}	m 个
{m,n}	m-n个
{1,}	1个以上
{0,}	0个以上
{0,1}	0次或一次

*	相当于 {0,}
+	相当于 {1,}
?	相当于 {0,1}

• 1:小例子：
  \w+@qq.com 一个qq邮箱
  \w+@\w+.\w+ 任意的一个 xx@xxx.xxx 的邮箱

分组

(name|age|sex) 一个name 或者 age 或者 sex

^	以什么开头
$	以什么结尾

贪婪模式：

reg2 = re.compile(‘a\w*b’)	会 尽量长的去寻找结尾的b
reg2 = re.compile(‘a\w*?b’)	只要axxb有即可。一个就行

贪婪模式用在爬虫提取数据中

# 导包
import re
# 设置匹配模式
# 其实就是用你多个重复中的提取一个需要的地方
#(.*?)两边给标识，即提取了两个标识中间的部分
#.*?两边给标识，就是把两个标识中间的部分全部省略
#案例
# 创建提取格式
reg=re.compile(中间为提取省略部分)
# 利用提取格式提取
赋值给一个变量，方便调用=re.findall(reg,需要从中提取信息的变量代表名)