(参考)爬虫6-正则表达式基础知识

正则表达式用来简洁表达一组字符串。

一行胜千言

如用'PY+'表示'PY' 'PYY' 'PYYY' 'PYYYY....'等字符串

如果，以‘PY’开头，后续存在不多于10个字符，后续字符不能是‘P’或‘Y’，可以用‘PY[^PY]{0,10}’表示

 正则表达式在文本处理中十分常用：

1、表达文本类型的特征（病毒，入侵等）

2、同时查找或替换一组字符串

3、匹配字符串的全部或部分（最常用）

正则表达式的使用：

编译：将符合正则表达式语法的字符串转换成正则表达式特征

语法：由字符和操作符构成

操作符	说明	实例
.	表示单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a,b,c,[a-z]表示a到z单个字符
[^  ]	非字符集，对单个字符给出排除范围	[^abc]表示非a 非b 非c的单个字符
*	前一个字符0次或无限次扩展	abc*表示ab\abc\abcc\abccc等
+	前一个字符1次或无限次扩展	abc+表示abc\abcc\abccc等
?	前一个字符0次或1次扩展	abc?表示ab\abc
|	左右表达式任意一个	abc|def表示abc\def
{m}	扩展前一个字符m次	ab{2}表示abbc
{m,n}	扩展前一个字符m至n次	ab{1,2}c表示abc\abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	$abc表示abc且在一个字符串的结尾
()	分组标记，内部只能使用|操作符	(abc)表示abc，(abc|def)表示abc\def
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9]

 

 

 

 

 

 

 

 

 

 

例子：

匹配IP地址的正则表达式

IP地址分4段，每段0-255：

\d+.\d+.\d+.\d+　　或者 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

精确的IP地址表达式：