常用的正则表达式匹配字符

Posted 2021-01-03 forwrader

　　最近准备学习下爬虫知识，复习了下正则表达式的知识，在这里记录一下，方便以后忘记的时候可以回来回顾一下。

　　  

常用的正则表达式：

1） ^ $ *  ?  + [2]  [2,5]  [2,]

2)   []  [^]  [a-z]

3)   s S  w w

4)  [u4E00-u9FA5]  ()  d

正则表达式：

1） ^ 以字符串开头
$ 以字符串结尾
* 匹配任意字符
? 设置不贪婪匹配， 例： + 匹配到一个时，就取消匹配，加上？则匹配多个，注意是从字符串的右边开始匹配
+ 匹配字符串至少一个以上
{2} 匹配两个
{2,} 匹配两个以上
{2,5} 匹配两个或者五个
| 表示‘或‘的关系， | 两边的表达式任意一个匹配即可
2)
[] 匹配中括号中的任意字符
[^] 匹配中括号中的字符以外的字符
[a-z] 匹配中括号中的区间
. 匹配任意字符
3）
s 匹配空格
S 匹配非空格
w 匹配数字，字母，下划线
W 匹配非数字，字母，下划线
4）
[u4E00-u9FA5] 匹配汉字
() 使用括号提取匹配到的字符串
d 匹配数字

 

示例程序：

import re

line = ‘xxx出生于2001年6月‘
line = ‘xxx出生于2001/6/2‘
line = ‘xxx出生于2001-6-2‘
line = ‘xxx出生于2001-06-02‘
line = ‘xxx出生于2001-06‘

regex = ".*出生于(d{4}[年/-]d{1,2}([月/-]d{1,2}|[月/-]$|$))"
ret = re.match(regex, line)
if ret:
    print(ret.group(1))