【python爬虫专项（12）】正则表达式（2）—— 正则表达式模式

概念与注意点

1）模式字符串使用特殊的语法来表示一个正则表达式

2）r’…’ 用在pattern之前，表示单引号中的字符串为原生字符，不会进行任何转义
        由于正则表达式通常都包含反斜杠，所以最好使用原始字符串来表示。模式元素(如 r’\t’，等价于 \t )匹配相应的特殊字符

3）常用模式
① 用于匹配位置
        ^ 匹配字符串的开头
        $ 匹配字符串的末尾

示例
        
这里需要注意，上一节讲到的re.match()是从头开始匹配的，所以要使用这个方法匹配最后一个字符是以xx结束的，前面需要加上“.*”，以确保前面是有字符的，否则会匹配失败

4）用于匹配内容

模式	功能
.	匹配除 “\n” 之外的任何 单个 字符，要匹配包括 ‘\n’ 在内的任何字符，请使用类似 ‘[\s\S]’ 的模式
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
\d	匹配一个数字字符。等价于 [0-9]
\D	匹配一个非数字字符。等价于 [^0-9]
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]
\w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’
\W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’

示例

例子	作用
[Pp]ython	匹配 “Python” 或 “python”
rub[ye]	匹配 “ruby” 或 “rube”
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

5） 用于匹配次数

模式	功能
*	匹配0个或多个的表达式
+	匹配1个或多个的表达式
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n}	匹配n个前面表达式
{n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

示例

注意：关于 .* 和 .+ 及 .? 之间的区别可以通过上面的示例进行分辨

6）用于分组
(re) 匹配括号内的表达式，也表示一个组

示例（在上一节中也有提到）

7）贪婪匹配问题
贪婪匹配：尝试匹配尽可能多的字符，默认匹配都是贪婪匹配
非贪婪匹配：尝试匹配尽可能少的字符，用 ?

示例（还是使用前面的字符串）

8）或
a| b 匹配a或b ，在前面内容6分组的时候，写匹配模式的时候就有用到 re.M|re.I

自此正则表达式模式就介绍完毕