前言

正則表達(dá)式處理文本有如疾風(fēng)掃秋葉，絕大部分編程語言都內(nèi)置支持正則表達(dá)式，它應(yīng)用在諸如表單驗(yàn)證、文本提取、替換等場景。爬蟲系統(tǒng)更是離不開正則表達(dá)式，用好正則表達(dá)式往往能收到事半功倍的效果。

介紹正則表達(dá)式前，先來看一個問題，下面這段文本來自豆瓣的某個網(wǎng)頁鏈接，我對內(nèi)容進(jìn)行了縮減。問：如何提取文本中所有郵箱地址呢？

html = """  <style>   .qrcode-app{    display: block;    background: url(/pics/qrcode_app4@2x.png) no-repeat;   }  </style>  <div class="reply-doc content">   <p class="">34613453@qq.com，謝謝了</p>   <p class="">30604259@qq.com麻煩樓主</p>  </div>  <p class="">490010464@163.com<br/>謝謝</p>  """

如果你還沒接觸過正則表達(dá)式，我想對此會是一籌莫展，不用正則，似乎想不到一種更好的方式來處理，不過，我們暫且放下這個問題，待學(xué)習(xí)完正則表達(dá)式之后再來考慮如何解決。

字符串的表現(xiàn)形式

Python 字符串有幾種表現(xiàn)形式，以u開頭的字符串稱為Unicode字符串，它不在本文討論范圍內(nèi)，此外，你應(yīng)該還看到過這兩種寫法：

>>> foo = "hello">>> bar = r"hello"

前者是常規(guī)字符串，后者 r 開頭的是原始字符串，兩者有什么區(qū)別？因?yàn)樵谏厦娴睦又校鼈兌际怯善胀ㄎ谋咀址M成的串，在這里沒什么區(qū)別，下面可以證明

>>> foo is barTrue>>> foo == barTrue

但是，如果字符串中包括有特殊字符，會是什么情況呢？再來看一個例子：

>>> foo = "/n">>> bar = r"/n">>> foo, len(foo)('/n', 1)>>> bar, len(bar)('//n', 2)>>> foo == barFalse>>>

"/n" 是一個轉(zhuǎn)義字符，它在 ASCII 中表示換行符。而 r"/n" 是一個原始字符串，原始字符串不對特殊字符進(jìn)行轉(zhuǎn)義，它就是你看到的字面意思，由 "/" 和 "n" 兩個字符組成的字符串。

定義原始字符串可以用小寫r或者大寫R開頭，比如 r"/b" 或者 R"/b" 都是允許的。在 Python 中，正則表達(dá)式一般用原始字符串的形式來定義，為什么呢？

舉例來說，對于字符 "/b" 來說，它在 ASCII 中是有特殊意義的，表示退格鍵，而在正則表達(dá)式中，它是一個特殊的元字符，用于匹配一個單詞的邊界，為了能讓正則編譯器正確地表達(dá)它的意義就需要用原始字符串，當(dāng)然也可以使用反斜杠 "/" 對常規(guī)定義的字符串進(jìn)行轉(zhuǎn)義

>>> foo = "http://b">>> bar = r"/b">>> foo == barTrue

正則基本介紹

正則表達(dá)式由普通文本字符和特殊字符（元字符）兩種字符組成。元字符在正則表達(dá)式中具有特殊意義，它讓正則表達(dá)式具有更豐富的表達(dá)能力。例如，正則表達(dá)式 r"a.d"中 ，字符 'a' 和 'd' 是普通字符，'.' 是元字符，. 可以指代任意字符，它能匹配 'a1d'、'a2d'、'acd' ，它的匹配流程是：