正则表达式与Python中re模块的使用

最近做了点爬虫，正则表达式使用的非常多，用Python做的话会用到re模块。

另外，给大家介绍一个在线测试正则表达式的神器网站：http://tool.chinaz.com/regex

大家可以去这里练习正则表达式

下面总结一下正则表达式与re模块的基础与使用。

正则表达式

使用场景

关于正则表达式的基本概念这里就不赘述了，大家可以去各种百科里查找它的定义。正则的使用场景主要分为两个：

一是：检测某一段字符串是否符合规则，也就是我们常说的"校验"
二是：从一大段字符串中找到符合规则的字符串，可以理解为"检索"

对于第一种使用场景，我们在登陆或者注册时填写邮箱、手机号等内容的时候经常会见到——底层的实现思路就是利用正则“校验”我们输入的内容是否“规范”。

另外，正则的“检索”功能大量使用在爬虫里，简单的说，爬虫能从一个网站大量的数据中得到用户想要的内容等等......

需要特别注意，正则表达式只是用来处理字符串的

元字符

一：可以灵活使用的元字符：[] 与 [^]

（1）数字  [0-9]
（2）小写字母  [a-z]
（3）大写字母  [A-Z]
（4）大小写字母  [A-Za-z]
（5）大小写字母+数字  [0-9A-Za-z]
（6）注意一个字符组不限制个数：匹配三个的话：[0-9A-Za-z][0-9A-Za-z][0-9A-Za-z]
（7）大小写字母+ _与%   [A-Za-z_%]
（8-1）匹配1-5   [1\-5]  用转义符，- 有特殊含义
（8-2）字符组中 - 是有特殊意义的，需要使用\作为转义符！
（9）[^123]——除了123都匹配，包括换行

二：匹配字符

（1）\d——所有数字
（2）\w——字母数字下划线
（3）\s——空白
（4）空格匹配空格
（5）\t——制表符
（6）\n——换行符
（7）\b——单词的边界   o\b——hello的'o'(o是单词的最后一个)    \bo——ok的'o'(o是单词的第一个)
（8）\W——除了字母数字下划线
（9）\D——除了数字
（10）\S——除了空白符
（11）.——匹配除了换行符所有的
（12）[\D\d]、[\W\w]、[\s\S]——匹配所有的
（13）[^123]——除了123都匹配，包括换行
（14）^——开始字符
（15）$——结束字符
（16）^.....$——开始+结尾，中间是5个除了换行的符号
（17）|——或   长的放在前面！
（18）()——分组   www\.(baidu|oldboy)\.com  匹配www.baidu.com或者www.oldboy.com

量词

量词用来限制匹配的次数

（1）{n}——匹配n次
（2）{n,}——匹配至少n次
（3）{n,m}——匹配n到m次
（4）+——一次或者多次  匹配小数点的前后必须有数      \d+\.\d+
（5）*——0次或者多次    匹配整数：第一位是1-9不要是0：     [1-9]\d*|0
（6）?——0次或者一次    匹配一个整数或者小数： \d+(\.\d+)?

贪婪匹配与惰性匹配

在正则中，默认的匹配模式是“贪婪匹配”，也就是说，在符合匹配规则的前提下尽可能多的去匹配字符，但是有些时候，我们不需要匹配太多的内容，只要得到需要的“片段”内容就好了。

而量词是匹配多次的，这时我们可以在量词的后面加上?就可以让匹配“适可而止”了，这样的匹配规则就是惰性匹配

原文地址：https://www.cnblogs.com/paulwhw/p/10579914.html