正则表达式

在爬虫的时候，正则表达式是一个非常好的助手，这篇博文主要记录下正则表达式中的基本符号。

符号	含义	示例	说明
*	匹配前面的字符0次或更多次	ab	匹配aa或bbb或bbbbbb，
+	匹配前面的字符1次或更多次	a+b+	匹配abbb或aabbb
?	匹配前面的字符0次或1次
{m}	匹配前面的字符m次
{m,}	匹配前面的字符m次或更多次
{m,n}	匹配前面的字符m次到n次
\b	匹配单词的开始或结束	\ba\b	匹配a
^	匹配字符串开始	^is	匹配以is开始的字符串
$	匹配字符串结束	are$	匹配以end结尾的字符串
.	匹配除换行符外的任意单个字符
\w	匹配字母或数字或汉字或下划线
\s	匹配任意的空字符串
\d	匹配数字
[]	匹配中括号里的任意一个字符
[^]	匹配不在中括号里的任意一个字符	[^aeiou]	匹配任意非元音字母字符
?!	不包含		表示后面的字符不能出现在目标字符串里
|	分支	b(a|b|c)e	匹配bae或bbe或bce

下面是re模块的几个核心函数。
1.re.compile(pattern, flags=0)
返回正则表达式对象

2.re.match(pattern, string, flags=0)
如果成功匹配字符串的话，返回对象，否则，返回None

3.re.findall(pattern, string, flags=0)
查找字符串所有与正则表达式匹配的模式，返回字符串的列表

4.re.sub(pattern, repl, string, count=0, flags=0)
用指定的字符串去替换原子符串中与正则表达式相匹配的模式。

sentence = "我你dirty talk，你dirty talk，我"
m = re.sub("[dirty talk]+","*",sentence)
m

Out：

'我你*，你*，我'

5.re.split(pattern, string, maxsplit=0, flags=0)
用与正则表达式相匹配的模式去分割字符串，返回列表。

sentence = "Help# on   & function, split in module re"
m = re.split("[#&,(?!(\s))]+",sentence)
m

Out:

['Help', 'on', 'function', 'split', 'in', 'module', 're']