python网络爬虫（三）

正则表达式

正则表达式的概念

正则表达式：regular expression regex RE
正则表达式是用来简洁表达一组字符串的表达式

• 通用的字符串表达框架
• 简洁表达一组字符串的表达式
• 针对字符串表达“简洁”和“特征”思想的工具
• 判断某字符串的特征归属

正则表达式在文本处理中十分常用

• 表达文本类型的特征（病毒、入侵等）
• 同时查找或替换一组字符串
• 匹配字符串的全部或部分

正则表达式的语法

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a­z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示abc、abcc、abccc等
？	前一个字符0次或1次扩展	abc？表示 ab、abc
|	左右表达式任意一个	abc|def 表示 abc、def
{m}	扩展前一个字符m次	ab{2}c 表示 abbc
{m,n}	扩展前一个字符m至n次（含n)	ab{1,2}c 表示 abc、abbc
^	匹配字符串开头	^abc 表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$ 表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用 | 操作符	(abc) 表示abc，(abc
\d	数字，等价于[0­-9]
\w	单词字符，等价于[A­-Za-­z0­-9_]

正则表达式的实例：

正则表达式实例	对应字符串
P（Y|YT|TYHO）?N	‘PN’,‘PYN’,‘PYTHN’,‘PYTHON’
PYTHON+	‘PYTHON’,‘PYTHONN’,‘PYTHONNN’…
PY[TH]ON	‘PYTON’,‘PYHON’
PY[^TH]?ON	‘PYON’,‘PYaON’,‘PYbON’…
PY{:2}N	‘PN’,‘PYN’,‘PYYN’