小白学python（爬虫知识2（基础的正则表达式））

正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。

正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。

常用操作符

. 任意单个字符

[  ]字符集，对单个字符给出取值范围
[^ ]非字符集，对单个字符给出排除范围
*前一个字符0或无限次扩展
+前一个字符1次或无限次扩展
？前一个字符0或1次扩展
|左右表达式任意一个

{m}扩展前一个字符m次
{m，n}扩展前一个字符m至n次
^匹配字符串开头    
$匹配字符串结尾
（ ）分组标记，内部只能用|操作
\d数字  等于【0-9】
\w 单词字符

正则可以包含一些可选标志修饰符来控制匹配的模式，多个用|来连接

re.l 使匹配对大小写不敏感
re.M 多行匹配

re库主要功能

re 模块的一般使用步骤如下：

使用 compile 函数将正则表达式的字符串形式编译为一个 Pattern 对象
通过 Pattern 对象提供的一系列方法对文本进行匹配查找，获得匹配结果（一个 Match 对象）
最后使用 Match 对象提供的属性和方法获得信息，根据需要进行其他的操作。

compile（） 函数

compile 函数用于编译正则表达式，生成一个 Pattern 对象，它的一般使用形式如下：

re.compile(pattern[, flag])

其中，pattern 是一个字符串形式的正则表达式，flag 是一个可选参数，表示匹配模式，比如忽略大小写，多行模式等。
从compile()函数的定义中，可以看出返回的是一个匹配对象，它单独使用就没有任何意义，需要和findall(), search(), match(）搭配使用。

findall（）函数

compile()与findall()一起使用，返回一个列表。

有两种写法
1.
先定义模式，用 re.findall（模式，内容）

import re
pat = re.compile("A")
m = re.findall(pat,"AasdasAaA")
print(m)

先定义模式，用 模式.findall（内容）

import re
pat = re.compile("A")
m = pat.findall("AasdasAaA")
print(m)

结果为：

可见返回为一个列表。

match（）函数

compile()与match()一起使用，可返回一个class、str、tuple。但是一定需要注意match()，从位置0开始匹配，匹配不到会返回None，返回None的时候就没有span/group属性了；
例如： match(‘p’,’python’)返回值为真；
match(‘p’,’www.python.org’)返回值为假。

用法同findall（）

search（）函数

re.search(pattern, string, flags=0)

compile()与search()搭配使用, 返回的类型与match()差不多， 但是不同的是search(), 可以不从位置0开始匹配。但是匹配一个单词之后，匹配和match()一样，匹配就会结束。

sub（）函数

re.sub(pattern, repl, string, count=0, flags=0)

pattern：模式串
repl：需要替换成的字符串
string：需要被替换的字符串
count：替换次数

即在string中找到pattern用repl替换
*建议在正则中，被比较的字符串前面加上r，不用担心转义字符的问题