正则表达式

正则表达式

 

字符串的规则，给字符串定义一个规则

作用：

1  检测某一段字符串是否符合规则

2  从一大段文字中将符合规则的匹配出来
多用于爬虫中

 

规则；

元字符：

　　匹配的是一个字符串的内容

量词： 

　　匹配的次数

 

 

字符组：

数字

[0123456789]       #表示0到9之内的数字

[0-9]　　　　　　 #表示0到9之内的数字

不能使用[9-0],正则表达式不能从大到小，只能从小到大

因为正则表达式的大小都是根据ASCII码表来判断的

 

字母

[a-z]　　　　　　#小写字母

[A-Z]　　　　　　#大写字母

[A-Za-z]　　　　  #大写字母和小写字母

[A-Za-z0-9]           #大小写字母和数字

[A-Za-z0-9_]　　 大小写字母，数字和下划线，（想要什么符号可以在括号内添加）

顺序可以改变，如果使用需要查找特殊字符需要使用转义字符

 

 

 

元字符

\d　　　　　　#所有的数字

\w 　　　　      # 所有的数字字母下划线

\n　　　　　　#换行符

\t 　　　　　　#制表符

\s　　　　　　#所有的空格，包括换行符和制表符

\b　　　　　　# 表示一个单词的边界（放在字符的前面表示是否是这个字符结尾，放在字符的后面，判断是不是这个字符开头）

 

 

反义词

\W 　　　　　　 #除了数字字母下划线的所有
\D 　　　　　　 #除了数字的所有
\S 　　　　　　 #除了空白的所有
. 　　　　　　   #除了换行符之外的所有
\d\D 　　　　　　#匹配所有
\w\W 　　　　　　#匹配所有
\s\S 　　　　　　#匹配所有

 

 

非字符组：

[^123] 　　　　#除了123之外的所有值

^ 　　　　　　#开头 一个字符只有一个开始，必须在开头

$　　　　　　#结尾  一个字符只有一个极为，必须在末尾

###如果使用^开头，使用$结尾，这个字符串的长度就被规定死了，
|   　　　　　# 或者,左边的内容和右边的内容都是全集，且需要筛选的内容要与左边或者右边的内容全部相同。且，字符串长的必须放在符号的左边

www\.(baidu|oldbay)\.com 小括号表示分组，正则表达式会对括号内的内容进行匹配（类似于算运算的优先级）

 

量词

 

量词 {}：　　 在量词的范围内尽可能多的匹配
\d{9} 　　　　　　   表示前面的紧挨着的规则必须连续出现
{n} 　　　　　　　   表示出现n次
{n,} 　　　　　　　  表示至少出现n次
{n,m} 　　　　　　  表示出现n到m次
? 　　　　　　　　 表示匹配0次或1次（用来查看某个字符是否存在，如果存在只能存在一次）
+ 　　　　　　　　 表示1次或多次
* 　　　　　　　　 表示匹配0次或多次

 

 

正则表达式的特性：

 

贪婪匹配（a.*x） ：默认的
　　　　将所有的字符串都查询，然后反向查找第一个x取正向查的a到反向查的第一个x
　　　　在量词匹配时，尽可能多的匹配,查找从a开始到最后一个x之间的所有数据

惰性匹配（a.*？x） ：需要手动输入
　　　　每查询一个值，就先看不是不是x，不是就交给.*处理
　　　　尽可能的少匹配,查找从a开始到x之间的所有数据