正则表达式（re）

正则表达式（re）

1. 什么是正则则表达式？

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本（ 具体详细内容,小云就不废话了。）

2. 正则的作用？
他的作用很多，小云作为一个爬虫小菜鸟，特别喜欢用他来采一些xpath很难弄到的数据，通过和一些后端大佬和前端大佬的交流，他们一般来规定客户的手机号，身份证，邮箱以及自定义一些规则让客户更好的查到自己所需的内容。等等，具体还有什么作用，小云还是大佬们去度娘一下下0.0。


3. 废话少说，上正则元字符（特殊字符）

字符	解释
\	转义字符，将后边紧跟着的字符变成特殊字符，或将后边的特殊字符变成普通字符 如：在正则表达式中，"\n"换行符，"\\"则代表一个普通字符"\"
^	匹配第一行行首，匹配多行需要传参 flags=re.MULTILINE
$	匹配最后一行行尾，匹配多行需要传参 flags=re.MULTILINE
.	除"\r""\n"外，匹配任意的单个字符，要使"."匹配换行符，flags=re.DOTALL
|	或，如 "aaa|bbb|ccc"，表示"aaa","bbb","ccc"三选一
?	匹配前边的子表达式0次或1次，等价于{0,1}
+	匹配前边的子表达式1次或多次，等价于{1,}
*	匹配前边的子表达式0次或多次,，等价于{0,}
{}	{n}匹配前边的子表达式n次，{n,}匹配前边的子表达式至少n次 即：>= n，{n,m}匹配前边的子表达式n~m次，即：n<= 表达式 <=m
()	分组，从1开始，从左至右数"("为第几组，下标0为全部分组
[]	字符集匹配[]中的人一个字符，之匹配一次，如[abc]：表示"a","b","c"三选一。也可以给定范围(必须是连续的才行)，如[a-z]：表示a到z任意一个字符。

小云比较喜欢(.*?)贪婪匹配，他主要是内匹配在内的一切东西（除\r\n）

4. 正则元方法（匹配单个字符）

字符	解释
\d	匹配数字： [0-9]
\D	匹配非数字：[^\d]
\s	匹配所有空格
\S	匹配所有的非空格：[^\s]
\f	匹配一个换页符
\n	匹配一个换行符
\r	匹配一个回车：Enter
\t	匹配一个制表符
\v	匹配一个垂直制表符
\p	匹配 CR/LF（等同于 \r\n），用来匹配 DOS 行终止符

5. 正则的模式修饰符

简写	解释
g	查找所有可能的匹配，返回的结果可以是多个。如果不加/g最多只会匹配一个，也可以指定匹配 eg:text="你很聪明" ，我只想要“你” “聪明” 就可以这样：text="(.*?)很(.*?)"用text="\g<1>很\g<2>" 注意：由于匹配的全部文章，必须有几个(.*?)就匹配几个\g<>,里面的数字代表第几个
i	表示匹配的时候不区分大小写，这个跟其它语言的正则用法相同
m	表示多行匹配。什么是多行匹配呢？就是匹配换行符两端的潜在匹配。影响正则中的^$符号