2021/4/26爬虫第六次课（正则表达式）

一、正则表达式简介

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑
说明：正则不需要学太深，以后基本只会用到.?*

二、正则表达式的应用场景

• 手机号、邮箱、密码
• 爬虫

三、re库、match（）函数

• re.match(pattern, string, flags=0)
• 第一个参数是正则表达式，第二个参数表示要匹配的字符串,第三个参数是标致,位用于控制正则表达式的匹配方式 如: 是否区分大小写,多行匹配等等
• 如果匹配成功，则返回一个match对象，否则返回一个None
• match对象.group()

四、pattern

1 普通字符

字母、数字、汉字、下划线、以及没有特殊定义的符号，都是"普通字符"。正则
表达式中的普通字符，在匹配的时候,只匹配与自身相同的一个字符。
例如：表达式c，在匹配字符串abcde时，匹配结果是：成功；匹配到的内容
是c；匹配到的位置开始于2，结束于3。（注：下标从0开始还是从1开始，因
当前编程语言的不同而可能不同）
match()函数

2 元字符

正则表达式中使⽤了很多元字符，⽤来表示⼀些特殊的含义或功能

pattern里没有\时，不加r
pattern里有\时，加r

注意 以后在写正则表达式模板的时候 如果正则表达式的模板当中出现了一些元字符，但是这些元字符不在你的正则表达式的逻辑当中 用转义字符 " \ " 处理一下
一上两点无关，要分开考虑

3 预定义匹配字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如，表达式\d可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个

4 重复匹配

前面的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。但是有时候我们需要对某个字段进行重复匹配，例如手机号码13666666666，一般的新手可能会写成\d\d\d\d\d\d\d\d\d\d\d（注意，这不是一个恰当的表达式），不但写着费劲，看着也累，还不⼀定准确恰当。
这种情况可以使用表达式再加上修饰匹配次数的特殊符号{}，不但重复书写表达式就可以重复匹配。例如[abcd][abcd]可以写成[abcd]{2}

5 位置匹配和贪婪与非贪婪模式

位置匹配

有时候，我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等

贪婪与非贪婪模式

在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式。例如，针对文本dxxxdxxxd，表达式(d)(\w+)(d)中的\w+将匹配第一个d和最后一个d之间的所有字符xxxdxxx。可见，\w+在匹配的时候，总是尽可能多的匹配符合它规则的字符。同理，带有?、*和{m,n}的重复匹配表达式都是尽可能地多匹配

• 贪婪匹配 Python当中默认是贪婪的 总是尝试匹配尽可能多的字符
• 非贪婪则和它相反 总是尝试匹配尽可能少的字符
• 主要用于?后有东西

五、案例

校验数字的相关表达式：

特殊场景的表达式: