python爬虫正则表达式

Posted 2021-02-07 工程小白

1、正则表达式概念：用来简洁表达字符串的方式。（regular expression     regex     RE）

　  　　　　　　　　通用的字符串框架

　  　　　　　　　　针对字符串表达“简洁”和“特征”思想的工具。

2、正则表达式的语法：

　　2.1、“.”　　：表示任何单个字符

　　2.2、“[]”　　：字符集，对单个字符给出取值范围

　　　　　　　　　[abc]表示a、b、c，[a-z]表示a到z单个字符

　　2.3、“[^]”　　：非字符集

　　　　　　　　[^abc]表示不是a，b，c，的单个字符

　　2.4、“*”　　：前一个字符的0次或无限次扩展

　　2.5、“+”　　：前一个字符1次或无限次扩展

　　2.6、“?”　　：前一个字符的0次或1次扩展

　　2.7、“|”　　：或，左右表达式任意一个

　　　　　　　　abc|def 表示abc或def

　　2.8、“{m}”　　:扩展前一个字符m次

　　2.9、“{m,n}”　　：扩展前一个字符m至n次（含n）

　　2.10、“^”　　：匹配字符串开头

　　　　　　　　^abc 表示abc开头字符串

　　2.11、“$”　　：匹配字符串结尾

　　　　　　　　abc$ 表示abc结尾字符串

　　2.12、“()”　　：分组标记，内部智能使用“|”操作符

　　2.13、“d”　　：数字，等价于[0-9]

　　2.14、“w”　　：单词字符，等价于[A-Za-z0-9_]

　　　　　　

　　　　　eg：^[A-Za-z]+$ ：表示由26个字母组成的字符串

　　　　　　：^[A-Za-z0-9]+$：表示由26个字母和数字组成的字符串

　　　　　　：^-?d+$：整数形式的字符串　　　　　#“-”扩展0次或一次，表示正负

　　　　　　：^[0-9]*[1-9][0-9]*$：表示正整数形式的字符串

　　　　　　：[1-9]d{5}：中国境内邮政编码，6位

　　　　　　：[u4e00-u9fa5]：匹配中文字符

3、re库的使用