今天要了解一个与python没半毛钱关系的东西,那就是正则表达式
首先为什么要这样讲的,其实你可以这样理解,也就是就是python 有没有正则表达式这种独立的语言早就存在.
那么首先给正则表达式一个定义:
正则表达式:是一种独立的规则,独立的语言
在线测试工具 http://tool.chinaz.com/regex/(太好用了,全世界没有之一)
首先你要明确谈到正则,它是只针对字符串的一种处理方式.
字符 .匹配除换行符意外的任意字符\w匹配数字,字母,下划线\s匹配任意的空白符\d匹配任意的数字\n匹配一个换行符
\t匹配一个制表符 \b匹配一个单词的结尾^匹配字符串的开头$匹配字符串的结尾
\W(大写)匹配非数字字母下划线\D匹配非数字\S匹配非空白符a | b 匹配字符a 或者字符b ()匹配括号内的表达式,也表示一个组[...]匹配字符串中的字符[^..]匹配除了字符串组中字符的所有字符
所有的正则的字符就是以上的搭配组合
下面就来说一说量词,是和上面的字符搭配使用的
量词 量词用 法 说 明*重复零次或者更多次+重复一次或者更多次?重复零次或者一次{n}重复n次{n,}重复n次或者更多次{n,m}重复n到m次
就一上两者的搭配可以解决正则中能遇到的所有匹配,接下来的事情就是你去搭配使用的熟练过程,在以后的爬虫中会经常使用到正则表达式,所以着就是你学好爬虫的基础,要勤加练习
很抽象的图但是能够帮助你更好的理解
还有一个点要讲的就是: 字符集
什么是字符集:
正则待匹配字符匹配
结果
说明李[杰莲英二棍子]*李杰和李莲英和李二棍子李杰
李莲英
李二棍子
表示匹配"李"字后面[杰莲英二棍子]的字符任意次数李[^和]*李杰和李莲英和李二棍子李杰
李莲英
李二棍子
表示匹配一个不是"和"的字符任次[\d]456dfr34
5
6
3
表示匹配任意一个数字匹配到了四个结果[\d]+456dfr3465
3
表示匹配到任意数字,匹配到了2个结果
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
正则待匹配字符匹配结果说明^[1-9]\d{13,16}[0-9x]$110101198001017032110101198001017032
表示可以匹配一个正确的身份证号^[1-9]\d{13,16}[0-9x]$11010119800101701101011980010170
表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字 ^[1-9]\d{14}(\d{2}[0-9x])?$1101011980010170False
现在不会匹配错误的身份证号了()表示分组，将\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次 ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$110105199812067023110105199812067023
表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}
在正则表达式中，有很多有特殊意义的是元字符，比如\d和\s等，如果要在正则中匹配正常的"\d"而不是"数字"就需要对"\"进行转义，变成'\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\也有特殊的含义，本身还需要转义。所以如果匹配一次"\d",字符串中要写成'\\d'，那么正则里就要写成"\\\\d",这样就太麻烦了。这个时候我们就用到了r'\d'这个概念，此时的正则是r'\\d'就可以了。
正则待匹配字符匹配结果说明\d\d False 因为在正则表达式中\是有特殊意义的字符，所以要匹配\d本身，用表达式\d无法匹配 \\d\d True 转义\之后变成\\，即可匹配 "\\\\d"'\\d' True 如果在python中，字符串中的'\'也需要转义，所以每一个字符串'\'又需要转义一次 r'\\d'r'\d' True 在字符串之前加r，让整个字符串不转义
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
正则待匹配字符匹配结果说明<.*><script>...<script>
<script>...<script> 默认为贪婪匹配模式，会匹配尽量长的字符串 <.*?>r'\d'<script><script>
加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串 几个常用的非贪婪匹配Pattern *? 重复任意次，但尽可能少重复 +? 重复1次或更多次，但尽可能少重复 ?? 重复0次或1次，但尽可能少重复 {n,m}? 重复n到m次，但尽可能少重复 {n,}? 重复n次以上，但尽可能少重复 .*?的用法 . 是任意字符 * 是取 0 至 无限长度 ? 是非贪婪模式。 何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在： .*?x 就是取前面任意长度的字符，直到一个x出现
转载于:https://www.cnblogs.com/RootEvils/p/9485591.html
