Python爬虫 正则表达式应用详解

Python爬虫（二十一）

学习Python爬虫过程中的心得体会以及知识点的整理，方便我自己查找，也希望可以和大家一起交流。

—— 正则表达式应用详解 ——

相关文章：
1.Python的Re库应用详解（正则表达式的库）
2.Python的Re库与正则表达式的细节解析（正则表达式的库）

1. 简介

正则表达式：regular expression，也称regex，简称 RE

• 正则表达式模式被编译成一系列的字节码，然后由一个 C 语言写的匹配引擎所执行。

• 正则表达式是用来简洁表达一组字符串的表达式

  • 通用的字符串表达框架

  • 简洁表达一组字符串的表达式

  • 针对字符串表达“简洁”和“特征”思想的工具

  • 判断某字符串的特征归属

• 正则表达式在文本处理中十分常用

  • 表达文本类型的特征（病毒、入侵等）

  • 同时查找或替换一组字符串

  • 匹配字符串的全部或部分

• 正则表达式的使用

  • 编译：将符合正则表达式语法的字符串转换成正则式表达特征
    

2. 语法

正则表达式语法由字符和操作符构成

• 有一些符号不能匹配自身，它们定义了字符类、子组匹配和模式重复次数等功能，被称为元字符 (metacharacter）。
• 元字符包括：. ^ $ * + ? { } [ ] \ | ( )
• 正则表达式的常用操作符
  在反斜杠后边紧跟着一个元字符，那么元字符的“特殊功能”也不会被触发

操作符	说明	实例
.	表示任何单个字符(除换行符) 【注1】
[ ]	字符集，对单个字符给出取值范围，元字符在方括号中不会触发功能	[abc$]表示a、b、c、$，[a­-z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展 【注2】	abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示 abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc？