正则表达式，re模块

• 正则表达式，一种独立的规则和语言，主要和字符串打交道
  
  • 爬虫，从一大段文字中获取符合条件的内容
    
  • 表单验证，检测一个字符串是否完全符合规则，先通过正则去判断是否符合规则，符合规则再去请求
    
• 字符组
  
  • 匹配所有数字[0-9]
    
  • 匹配所有小写字母[a-z]
    
  • 匹配所有大写字母[A-Z]
    
  • 匹配所有的数字大小写字母[0-9a-zA-Z]
    
  • 根据ascii码表从小到大顺序匹配，可以一次取多个区间
    
• 元字符
  
  • \d匹配所有的数字，相当于[0-9]
    
  • \w匹配所有的数字[0-9]大小写字母[a-z,A-Z]下划线_
    
  • \s匹配所有空白符（空格，回车，tab）
    
  • \t匹配所有tab
    
  • \n匹配所有换行符
    
  • \D匹配所有的非数字
    
  • \W匹配所有的非字母数字下划线
    
  • \S匹配所有的非空白符
    
  • .匹配所有除换行符外任意一个字符
    
  • ^a匹配一个字符串以a开始
    
  • a$匹配一个字符串以a结束
    
  • ^和$组合用必须和字符串完全匹配才可以
    
  • []字符组匹配中括号里的内容或
    
  • [^]匹配非括号里所有内容
    
  • |管道符或，满足条件一个就行，位数长的放前面
    
  • ^wind123$|^wind$
    
  • ()分组，一般结合|一起用 类比一下Python的逻辑or
    
• 量词
  
  • {n}匹配n次
    
  • {n,}匹配n次以上
    
  • {m,n}匹配最少m次，最多n次
    
  • 标识出现次数
    
    • ?匹配0次到1次----非贪婪模式
      
    • + 1-无穷大
      
    • * 0-无穷大
      
  • 贪婪匹配------->尽可能多的匹配，用?阻止贪婪
    
  • 惰性匹配------->符合条件基础上尽量少的匹配（量词后面的?表示惰性匹配）
    
• 只写元字符，一个元字符表示一位字符上的内容
  
• 元字符量词结构，量词只约束前面一个元字符
  
  • (元字符元字符)量词，如ab{3}，ab出现3次
    
• re模块 配合正则表达式使用python-常用模块 - 断浪狂刀忆年少 - 博客园 (cnblogs.com)
  
  • re.findall('\w+',s)第一个参数是正则的规则，第二个参数是要匹配的字符串，findall匹配所有匹配项
    
  • re.search('\d+',s)只匹配从左到右符合条件的第一项，返回的是一个对象，通过.group()方法取值
    
  • re.match()相当于默认给开头加了^号，返回的是一个对象，通过.group()方法取值、
    
  • re.split()根据正则切割
    
  • re.sub()替换
    
  • re.compile()预编译，正则需要编译，预编译可以节省时间，爬虫使用多
    
  • re.finditer()节省空间，变成迭代器，通过.group()方法取值、
    
• 比较好用的匹配公式 #(.+?)#