python 正则表达式

Python支持的正则表达式的常用符号

说明:
(1) “.”字符为匹配配仟意单个字符。例如，a.b可以的匹配结果为abc，aic、a&c等，但不包括换行符。
2) “\”字符为转义字符，可以把字符改变为原来的意思，听上去不是很好理解。
例如：’.‘字符是匹配任意的单个字符，但有时不需要这个功能，只想让它代表一个点，这时可以使用’.‘就能匹配为’ . ’ 了。
3 […]字符集，相当于在中括号中任选一个。例如a[bcd]，匹配的结果为ab、ac、ad。

**预定义字符集 **

正则表达式的预定义字符集易于理解，在爬虫实战中，常常会匹配数字而过滤掉文字部分的信息。例如’字数 3450’，只需要数字信息，可以通过’\d+’ 来匹配数据，’+'为数量词，匹配前一个字符1或无限次，这样就可以匹配到所有的数字。

数量词

说明：
（1）" * " 数量词匹配前一个字符0或无限次。例如ab*c匹配ac、abc、abbc、abbbc等。
（2）‘+’ 与‘ * ’类似，只是匹配前一个字符一次。例如，ab+c匹配abc、abbc和abbbc等
（3）‘？’数量词匹配前一个字符0或1次。例如，ab？c 匹配 ac和abc。
（4）‘m’数量词匹配前一个字符m次。例如，ab{3}c 匹配abbbc。
（5）‘{m,n}’数量词匹配前一个字符m至n次。例如，ab{1,3}c匹配 abc、abbc和abbbc。

边界匹配

说明：
（1） ‘ ^ ’ 匹配字符串的开头。例如，^abc匹配abc开头的字符串。
（2）’ $ ’ 匹配字符串的结尾。例如，abc$匹配abc结尾的字符串。
（3）’ \A ‘匹配字符串的结尾。例如，\Aabc。
（4）’ \Z ’ 匹配字符串的结尾。例如，abc\Z。
边界匹配在爬虫实战中的使用较少，因为爬虫提取的大部分为标签中的数据，例如186好笑提取数字数字信息，边界匹配在这里没有任何作用。
最后介绍爬虫实战中最常用的(.?),"()"表示括号的内容作为返回的结果。“ .? ”是非贪心算法，匹配任意字符。例如，字符串‘xxlxxjshdxxlovexxsffaxxpythonxx’,可以通过’xx(.*? )xx’匹配符合这种规则的字符串，代码如下：

import re
a = 'xxlxxjshdxxlovexxsffaxxpythonxx'
info = re.findall('xx(.*?)xx',a)
print(info)

运行结果如下：
[‘l’, ‘love’, ‘python’]