正则表达式有很多很多,我在这边只列出比较常用的表达式,几乎涵盖了90%的正则表达式的使用场所,正则表达式一般式在python爬虫中使用的比较广泛。
常用正则式表达式符号如下所示:
'.' 默认匹配除\n之外的任意一个字符,若指定flag DOTALL,则匹配任意字符,包括换行
'^' 匹配字符开头,若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$' 匹配字符结尾,或e.search("foo$","bfoo\nsdfsf",flags=re.MULTILINE).group()也可以
'*' 匹配*号前的字符0次或多次,re.findall("ab*","cabb3abcbbac") 结果为['abb', 'ab', 'a']
'+' 匹配前一个字符1次或多次,re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?' 匹配前一个字符1次或0次
'{m}' 匹配前一个字符m次
'{n,m}' 匹配前一个字符n到m次,re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|' 匹配|左或|右的字符,re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配,re.search("(abc){2}a(123|456)c", "abcabca456c").group() 结果 abcabca456c
'\A' 只从字符开头匹配,re.search("\Aabc","alexabc") 是匹配不到的
'\Z' 匹配字符结尾,同$
'\d' 匹配数字0-9
'\D' 匹配非数字
'\w' 匹配[A-Za-z0-9]
'\W' 匹配非[A-Za-z0-9]
's' 匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
'(?P<name>...)' 分组匹配 re.search("(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})","371481199306143242").groupdict("city") 结果{'province': '3714', 'city': '81', 'birthday': '1993'}
我在这边介绍了五种正则表达式中的方法,分别是match(从字符串开始处匹配)、search(从字符串中搜索)、findall(匹配所有的要求匹配的字符串)、split(分割)、sub(替换)
下面是我列举的几个比较常用的正则表达式的实例:
1.在后面的字符串中匹配到的是‘Yan’
2.主要介绍的是group()的用法
3. \d可以匹配到后面的数字:YanFeixu\d匹配的是在YanFeixu后面含有一个数字的字符串
4. \d+是匹配到多个数字
5. 这边介绍的是findall方法;
6.这边介绍的是search方法:
7.分组匹配(也就是匹配多个内容):可以用下身份证中
8.这边介绍的是split的用法:
9.最后介绍最后一个正则表达式的方法sub:
总而言之,正则表达式其实不是很难,也比较容易理解,平时多回忆一下,就能记住的,是在不会的话就Google!