【Python3 爬虫】07_正则表达式（原子）

原子是正则表达式的最基本的组成单位，而且在每个模式中最少包含一个原子。原子是由所有那些未显示指定为元字符的打印和非打印字符组成。

 

原子分类

 

1.普通字符作为原子

普通字符是编写正则表达式时最常见的原子了，包括所有的大写和小写字母字符、所有数字等。例如，a——z、A——Z、0——9。

#-*- codingn:utf-8 -*-

import re

pattern = 'lo'

String = "I love you"
#re.search()函数对整个字符串搜索，并返回第一个匹配字符串的match对象
Result = re.search(pattern,String)

print("普通字符作为原子的结果:%s"%Result)

 

运行结果

2.一些特殊字符和元字符作为原子

任何一个符号都可以作为原子使用，但如果这个符号在正则表达式中有一些特殊意义，我们就必须使用转义字符“\”取消它的特殊意义，将其变成一个普通的原子。例如，所有标点符号以及一些其他符号，双引号“””、单引号“’”、“*”、“+”、“.”等，如果当原子就必须像\”、\’、\+和\.这样使用。

#-*- codingn:utf-8 -*-

import re
#需要转义
pattern = '\+'

String = "a+b=c"
#re.search()函数对整个字符串搜索，并返回第一个匹配字符串的match对象
Result = re.search(pattern,String)

print("特殊字符作为原子的结果:%s"%Result)

运行结果

 

3.一些非打印字符作为原子

所谓的非打印字符，是一些在字符串中的格式控制符号，例如:\n回车及\t制表符号等。例如下表所示列出了正则表达式中常用的非打印字符及其含义。

#-*- codingn:utf-8 -*-

import re

pattern = '\n'

String = """zhang
san"""
#re.search()函数对整个字符串搜索，并返回第一个匹配字符串的match对象
Result = re.search(pattern,String)

print("非打印字符作为原子的结果:%s"%Result)

 

4.使用“通用字符类型”作为原子

前面介绍的不管是打印字符还是非打印字符作为原子，都是一个原子只能匹配一个字符。而有时我们需要一个原子可以匹配一类字符，例如，匹配所有数字不是一个数字，匹配所有字母而不是一个字母，这时就要使用“通用字符类型”了。

字母	意义
/w	匹配任意一个字母、数字或者下划线
/W	匹配除字母、数字和下划线意外的任意一个字符
/d	匹配仍以一个十进制数
/D	匹配除十进制数意外的任意一个其他字符
/S	匹配除空白字符意外的任意一个其他字符
/s	匹配任意一个空白字符

#-*- codingn:utf-8 -*-

import re

pattern ='\who\w'

String = "wo shi who23"
#re.search()函数对整个字符串搜索，并返回第一个匹配字符串的match对象
Result = re.search(pattern,String)

print("通配符作为原子的结果:%s"%Result)

运行结果:

5.原子表

代表某一类的原子太多了，系统不能全都给提供出来，例如数字中的奇数（1、3、5、7、9、）、字母中的元音字母（a、e、i、o、u）等。所以就需要我们可以自己定义出特定的“类原子”，使用原子表“[]”就可以定义一组彼此地位平等的原子，且从原子表中仅选择一个原子进行匹配

在Python中，原子表由[]表示，比如[xyz],就是一个原子表，这个原子表中定义了3个原子，这3个原子的地位平等。

#-*- codingn:utf-8 -*-

import re

pattern1 ='\wf[gj]\w'
pattern2 ='\wf[^gj]\w'
pattern3 ='\wf[gj]\W'

String = "abcdefgjikdlfk"
#re.search()函数对整个字符串搜索，并返回第一个匹配字符串的match对象
Result1 = re.search(pattern1,String)
Result2 = re.search(pattern2,String)
Result3 = re.search(pattern3,String)


print("pattern1:%s"%Result1)
print("pattern2:%s"%Result2)
print("pattern3:%s"%Result3)

运行结果：