【爬虫】三、正则表达式-re入门

一、概念

形式语言，描述语言的特征而不是具体的内容，常用于字符串的匹配。

二、语法和基本操作符

re库也可以采用string类型表示正则表达式，但更繁琐例如：
‘[1‐9]\\d{5}’ 相当于原生字符串的 ‘[1‐9]\d{5}’
‘\\d{3}‐\\d{8}|\\d{4}‐\\d{7}’ 相当于原生字符串的 ‘\d{3}‐\d{8}|\d{4}‐\d{7}’
建议：当正则表达式包含转义符时，使用raw string，否则两者是一样的。


常用正则表达式：

re表达式	内涵
^[A‐Za‐z]+$	以字母作为开头和结尾，长度>=1由，即26个字母组成的字符串
^[A‐Za‐z0‐9]+$	由26个字母和数字组成的字符串
^[0‐9][1‐9][0‐9]$	正整数形式的字符串
[\u4e00‐\u9fa5]	匹配中文字符
\d{3}‐\d{8}|\d{4}‐\d{7}	国内电话号码，010‐68913536

IP地址字符串形式的正则表达式（IP地址分4段，每段0‐255）
\d+.\d+.\d+.\d+ 或\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
精确写法：

0‐99： [1‐9]?\d
100‐199: 1\d{2}
200‐249: 2[0‐4]\d
250‐255: 25[0‐5]

(([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5]).){3}([1‐9]?\d|1\d{2}|2[0‐4]\d|25[0‐5])

其他例子：

re.findall(r'[af].', 'abcaabbccfg')  # 第一位为a或者f，第二位为任意字符
输出结果：
['ab', 'aa', 'fg']

re.findall(r'[af]+', 'abcafafaabbccfg')  # 每个位置都必须是是a或者f，且长度至少为1（贪婪匹配）
输出结果：
['a', 'afafaa', 'f']

re.findall(r'[af]+', 'abcafafaabbccfg')  # 每个位置都必须是是a或者f，且长度至少为1（贪婪匹配）
输出结果：
['a', 'afafaa', 'f']

//在开始位置匹配，开始不符合就返回nonetype，符合就返回不会再考虑后续位置的str
re.findall("^[a-z]{4}",'abcd0abcd2abb3abbbb') 
re.findall("^[a-z]{4}",'3abcd0abcd2abb3abbbb')
输出：
['abcd']
[]

//在结