Python爬虫学习笔记.正则表达式

一，正则表达式介绍

概述：正则表达式是有自己特定语法结构的处理字符串的工具。

Ⅰ，一般字符

字符	含义
.	匹配任意单个字符（不包括换行符\n）
\	转义字符
[…]	（对应字符集中任意字符）
|	或

.：匹配任意单个字符，如a.c可以匹配的结果为abc，avc等。
\：转义字符，如\n
[…]：在括号中任选一个，如a[bcd]，匹配的结果为ab，ac，ad。
|：a|b匹配a或b

Ⅱ，预定义字符集

预定义字符集	含义
\d	匹配一个数字字符。等价于[0-9]
\D	匹配一个非数字字符。等价于[^0-9]
\s	匹配任何空白字符，包括空格，制表符，换页符等。等价于[\f\n\r\t\v]
\S	匹配任何非空白字符，等价于[^\f\n\r\t\v]
\w	匹配字母，数字以及下划线。
\W	匹配不是字母、数字以及下划线的字符。

\f：换页符
\r：回车符（与\n有区别）
\v：垂直制表

Ⅲ，数量词

数量词	含义
*	匹配前一个字符0或无限次
+	匹配前一个字符1或无限次
？	匹配前一个字符0或1次
{m}	匹配前一个字符m次
{m,n}	匹配前一个字符m至n次

*：如abc匹配ac，abc，abbc等
+：如abc匹配abc，abbc，abbbc等
？：ab？c匹配ac，abc
{m}：如ab{3}c匹配abbbc
{m，n}：如ab{2,4}匹配abbc，abbbc和abbbbc

Ⅳ，边界匹配

边界匹配	含义
^	匹配字符串开头
$	匹配字符串结尾
\A	匹配字符串开头
\Z	匹配字符串结尾，若存在换行，仅匹配到换行前的字符串

二，re库的介绍

利用此库，可以在Python中使用正则表达式

1，match()方法

①基本用法
语法：re.match(pattern, string, flags=0)
作用：尝试从字符串起始位置匹配正则表达式
参数：
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等，接收标志修饰符
返回值：若匹配成功，返回结果；若失败，返回None。

示例：

import re

string = 'Hello fly 123 4567 World_Cup is a Range Refuge '
re_string = 'Hello\s\D{3}\s\d{3}\s\d{4}\s\w{9}'
result = re.match(string=string,pattern=re_string)
print(result)
print(result.group())#方法group()，输出匹配到的内容
print(result.span())#方法span()，输出匹配的范围

②匹配目标
用()将像提取的子字符串括起来，以标记一个子字符串的起始位置和结束位置，被标记的子字符串会依次对应每一个分组，向group()传递索引可以获取想要的结果。

import re

string = 'Hello fly 123 4567 World_Cup is a Range Refuge '
re_string = 'Hello\s(\D{3})\s\d{3}\s(\d{4})\s\w{9}'
result = re.match(string=string,pattern=re_string)
print(result)
print(result.group(1)