【Python3 爬虫】08_正则表达式（元字符与语法）

元字符表

符号	说明	示例
.	表示任意字符	'abc'  >>>'a.c'   >>>结果为:'abc'
^	表示字符开头	'abc'  >>>'^abc'  >>>结果为:'abc'
$	表示字符串结尾	'abc'  >>>'abc$'  >>>结果为:'abc'
*, +, ?	'*'表示匹配前一个字符重复 0 次到无限次，'+'表示匹配前一个字符重复 1次到无限次，'?'表示匹配前一个字符重复 0 次到1次	'abcccd'  >>>'abc*' >>>结果为:'abccc' 'abcccd' >>>'abc+'  >>>结果为:'abccc' 'abcccd' >>>'abc?'  >>>结果为:'abc'
*?, +?, ??	前面的*,+,?等都是贪婪匹配，也就是尽可能多匹配，后面加?号使其变成惰性匹配即非贪婪匹配	'abc'  >>>'abc*?' >>>结果为:'ab' 'abc'  >>>'abc??' >>>结果为:'ab' 'abc'  >>>'abc+?' >>>结果为:'abc'
{m}	匹配前一个字符 m 次	'abcccd' >>>'abc{3}d'  >>>结果为:'abcccd'
{m,n}	匹配前一个字符 m 到 n 次	'abcccd'  >>> 'abc{2,3}d' >>>结果为:'abcccd'
{m,n}?	匹配前一个字符 m 到 n 次，并且取尽可能少的情况	'abccc'  >>> 'abc{2,3}?' >>>结果为:'abcc'
	对特殊字符进行转义，或者是指定特殊序列	'a.c' >>>'a.c' >>> 结果为: 'a.c'
[]	表示一个字符集,所有特殊字符在其都失去特殊意义,只有： ^  -  ]     含有特殊含义	'abcd' >>>'a[bc]' >>>结果为:'ab'
|	或者，只匹配其中一个表达式 ，如果|没有被包括在()中，则它的范围是整个正则表达式	'abcd' >>>'abc|acd' >>>结果为:'abc'
( … )	被括起来的表达式作为一个分组. findall 在有组的情况下只显示组的内容	'a123d' >>>'a(123)d' >>>结果为:'123'
(?#...)	注释，忽略括号内的内容  特殊构建不作为分组	'abc123' >>>'abc(?#fasd)123' >>>结果为:'abc123'
(?= … )	表达式’…’之前的字符串，特殊构建不作为分组	在字符串’ pythonretest ’中 (?=test) 会匹配’ pythonre ’
(?!...)	后面不跟表达式’…’的字符串，特殊构建不作为分组	如果’ pythonre ’后面不是字符串’ test ’，那么 (?!test) 会匹配’ pythonre ’
(?<= … )	跟在表达式’…’后面的字符串符合括号之后的正则表达式，特殊构建不作为分组	正则表达式’ (?<=abc)def ’会在’ abcdef ’中匹配’ def ’
（?:）	取消优先打印分组的内容	'abc' >>>'(?:a)(b)' >>>结果为'[b]'
?P<>	指定Key	'abc' >>>'(?P<n1>a)>>>结果为:groupdict{n1:a}

元字符分类

• 任意匹配元字符
• 边界限制元字符
• 限定符
• 模式选择符
• 模式单元

①任意匹配元字符

#-*- codingn:utf-8 -*-
import re
pattern = 'abc'
print("结果：%s"%re.search('a.c',pattern))

②边界限制元字符

边界限制符，’^’匹配字符串的开始，使用’$’匹配字符串的结束

#-*- codingn:utf-8 -*-
import re
pattern1 = 'Hello'
print("结果1：%s"%re.search('^H',pattern1))
print("结果2：%s"%re.search('o$',pattern1))

运行结果

③限定符

常见的限定符包括*、?、+、{n}、{n,}、{n,m}

#-*- codingn:utf-8 -*-
import re
pattern1 = 'mnjsassssh'
print("结果1：%s"%re.search('as{2}',pattern1))
print("结果2：%s"%re.search('as{3}',pattern1))
print("结果3：%s"%re.search('as{2,}',pattern1))

运行结果：

④模式选择符

模式选择符’|’
使用模式选择符，可以设置多个模式，匹配时，可以从中选择任意一个模式匹配。

#-*- codingn:utf-8 -*-
import re
pattern1 = 'mnjsassssh'
print("结果1：%s"%re.search('mn|ok',pattern1))

运行结果：

⑤模式选择符

模式单元符()，可以使用’()’将一些原子组合成一个大原子使用，小括号括起来的部分会被当做一个整体去使用

#-*- codingn:utf-8 -*-
import re
pattern1 = 'mnjsassssh'
print("结果1：%s"%re.search('(ss){1,}',pattern1)) #ss至少出现一次
print("结果2：%s"%re.search('(ss){1}',pattern1)) #ss出现一次
print("结果3：%s"%re.search('as{1,}',pattern1)) #a字母后的s至少出现一次
print("结果4：%s"%re.search('as{1}',pattern1)) #a字母后的s出现一次

运行结果：