由于最近需要使用爬蟲爬取數據進行測試，所以開始了爬蟲的填坑之旅，那么首先就是先系統(tǒng)的學習下關于正則相關的知識啦。所以將下面正則方面的知識點做了個整理。語言環(huán)境為Python。主要講解下Python的Re模塊。

下面的語法我就主要列出一部分，剩下的在python官網直接查閱即可： docs.python.org/3/library/r…

一、基礎語法總結

1.1、匹配單個字符

a . /d /D /w /W /s /S [...] [^...]

匹配單個字符（.）

規(guī)則：匹配除換行之外的任意字符

In [24]: re.findall("f.o","foo is not fao")Out[24]: ['foo', 'fao']

匹配任意（非）數字字符（/d /D）

/d   [0-9]
/D   [^0-9]

匹配任意（非）普通字符（/w /W）

/w 普通字符 包括[_0-9A-Za-z] 同時也包括漢字
/W 非普通字符

匹配任意（非）空字符（/s /S）

/s 匹配任意空字符  [/r/n/t]
/S 匹配任意非空字符

匹配字符集合（[...]）

[A-Z][a-z][0-9][_123a-z]

匹配字符集（[^...]）

規(guī)則：字符集取非，除列出的字符之外的任意一個字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多個字符

* 匹配0次或者多次
+ 匹配1次或者多次
? 匹配0次或者1次
{m} 匹配m次
{m,n} 匹配m次到n次區(qū)間內的任意一次

1.3、匹配位置

^ 匹配開始位置
$ 匹配結束位置
/A 匹配開始位置
/Z 匹配結束位置
/b 匹配單詞邊界位置（一般用于首字母大寫的匹配）
/B 匹配非單詞邊界問題

1.4、轉義

在正則表達式中有一類特殊字符需要轉移，只需要在特殊字符之間加上 / 表示轉移即可

. * + ? ^ $ [] {} () | /

1.5、子組

使用() 可以為正則表達式建立內部分組，子組為正則表達式的一部分，可以看做一個內部整體。

In [61]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(0)Out[61]: 'https://www.baidu.com'In [62]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(1)Out[62]: 'https'

1.6、貪婪模式和非貪婪模式

正則表達式的重復匹配總是盡可能多的向后匹配更多的內容。 貪婪模式包括：* + ? {m,n}

非貪婪模式：盡可能少的匹配內容 貪婪模式轉換為非貪婪模式：*? +? ?? {m,n}?

In [106]: re.findall(r"ab+?","abbbbbbbb")Out[106]: ['ab']In [107]: re.findall(r"ab??","abbbbbbbb")Out[107]: ['a']

二、Re模塊