正则表达式

^ ```以某个开头```

$ 以某个结尾

.* ```某个任意多次，大于等于0, !!! .号不匹配\n```

? 让某个取消贪婪匹配，可以理解为改为从左到右匹配到某个为止

+ 某个至少为一次，大于等于1

{ }例,{2,5},某个出现2到5次.....{2},{2,}等

| 或者(a|b),选a或者b

[ ]有三种意思，1.[13567]中括号的任选一个-------2.[0-9],[a-z]-------3.[.]就代表.号，不代表任意字符了

[^] ```例,[^1]非1```

[a-z]同上

\s空格

\S非空格

\w代表[A-Za-z0-9_]

\W代表非[A-Za-z0-9_]

[\u4E00-\u9FA5]代表汉字

( )略

\d数字

例1

"""去贪婪匹配"""

import re
    a = "zooooozzoz"
    regex_str = ".*(z.*z).*"
    m = re.findall(regex_str, a)
    print(m)
    # >>> ['zoz']
    # zoooooz不符合条件
    # zz不符合条件

import re
c = "zooooozzozy"
regex_str = "(z.+?z).*"
match_obj = re.match(regex_str, c)
print(match_obj.group(1))

# >>>zoooooz

例2

import re
line1 = "你出生在2016-09-01"
line2 = "你出生在2016-9-1"
line3 = "你出生在2016/09/01"
line4 = "你出生在2016年9月1号"
line5 = "你出生在2016-09"

regex_str = "(你出生在\d{4}(-|/|年)\d{1,2}($|(月|/|-)\d{1,2}($|号)))"
match_obj = re.match(regex_str, line5)
if match_obj:
    print(match_obj.group(1))
    
#五个line都能匹配

简单的正则爬虫 ``` # -*- coding: utf-8 -*- # @Author: Lai

import re
import os
import requests

BASE_PATH = "E:/EW/"

def get_block_link(url):
html_obj = requests.get(url)
reg = '<img onerror'
link_list = re.findall(reg, html_obj.text, re.S)
return link_list

得到标题和多章节的链接

def get_child_link(url):
links = []
for link in get_block_link(url):
html_obj = requests.get(link)
reg = '.*?'
link = re.findall(reg, html_obj.text)[0]
links.append(link)
return links

def get_charterName_and_content(url):
html_obj = requests.get(url)
html_obj.encoding = "GBK"
reg_content = 'id="content">(.*?)