python3网络爬虫：正则表达式2（四）

  

   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      元字符
     
    
   

    

     

    
    

     

       . 匹配除换行符以外的所以字符
     
    
   

    

     

    
    

     

       ^ 规定匹配模式必须出现在目标字符串的开头，例如：^hell hello hellboy
     
    
   

    

     

    
    

     

       $ 规定匹配模式必须出现在目标字符串的结尾，例如：ar$ car bar
     
    
   

    

     

    
    

     

      \ 1、转义字符，讲一个普通的字符变成特殊字符，eg：\d表示匹配十进制数字
     
    
   

    

     

    
    

     

       2、解除元字符的特殊功能，eg：\.表示匹配点号本身
     
    
   

    

     

    
    

     

       3、引用序号对应的子组所匹配的字符串
     
    
   

    

     

    
    

     

      | 管道符号，A和B是任意的RE，那么A|B就是匹配A或者B的一个新的RE。
     
    
   

    

     

    
    

     

      
     
    
   

    

     

    
    

     

      [...] 字符类，匹配所包含的任意一个字符。除了下面这几种特殊符号，其他的都被当做原始字符匹配。
     
    
   

    

     

    
    

     

       1、 连字符- 如果出现在字符创中间表示字符范围描述。
     
    
   

    

     

    
    

     

       2、特殊祖父仅有反斜线\ 保持特殊含义，其他*、+、？ 等，当做普通字符
     
    
   

    

     

    
    

     

       3、脱字符 ^ 出现在首位则表示匹配不包含其中的任意字符，出现在字符其他位置仅表示普通字符
     
    
   

    

     

    
    

     

      {M,N} M和N均为非负整数，其中M<=N,表示前边的RE匹配M~N次
     
    
   

    

     

    
    

     

       1、{M,}表示至少匹配M次
     
    
   

    

     

    
    

     

       2、{,N}等价于{0,N}
     
    
   

    

     

    
    

     

       3、{N}表示需要匹配N次
     
    
   

    

     

    
    

     

      * 匹配前面子表达式零次或多次
     
    
   

    

     

    
    

     

      + 匹配前面子表达式一次或多次
     
    
   

    

     

    
    

     

      ？ 匹配前面子表达式零次或一次
     
    
   

    

     

    
    

     

      贪婪模式 *，+，？都会尽可能多的匹配符合规则的字符串
     
    
   

    

     

    
    

     

      非贪婪模式 *？，+？，？？ 表示启用对应的非贪婪模式
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      import re
     
    
   

    

     

    
    

     

      #(1) |或表示匹配A和B任意一个
     
    
   

    

     

    
    

     

      z = re.search(r'I love [i|you]','I love i')
     
    
   

    

     

    
    

     

      print(z)    # match='I love i'>
     
    
   

    

     

    
    

     

      z = re.search(r'I love [i|you]','I love you')
     
    
   

    

     

    
    

     

      print(z)    #match='I love y'>
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #(2) ^匹配某个字符串的开始位置
     
    
   

    

     

    
    

     

      z = re.search(r'^I love','I love')
     
    
   

    

     

    
    

     

      print(z)    #match='I love'>
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #(3)$ 匹配字符结束位置
     
    
   

    

     

    
    

     

      z = re.search(r'love$','I love')
     
    
   

    

     

    
    

     

      print(z)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # 字符类 []
     
    
   

    

     

    
    

     

      #（4）[.] 点在字符类中表示原始含义点来匹配。如果不是在字符类中则表示匹配任意的字符
     
    
   

    

     

    
    

     

      z = re.search(r'[.]','I love . YOU')
     
    
   

    

     

    
    

     

      print(z)    #match='.'>
     
    
   

    

     

    
    

     

      #（5）[-]连字符，放在字符中间表示范围。
     
    
   

    

     

    
    

     

      # findall()方法打印出匹配到的所有字符
     
    
   

    

     

    
    

     

      z = re.findall(r'[a-z]','I love you')
     
    
   

    

     

    
    

     

      print(z)    # ['l', 'o', 'v', 'e', 'y', 'o', 'u']
     
    
   

    

     

    
    

     

      #(6)[\]
     
    
   

    

     

    
    

     

      z = re.findall(r'[\n]','I love you\n')
     
    
   

    

     

    
    

     

      print(z)    #['\n']
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #(7)脱字符 ^ 出现在首位则表示匹配不包含其中的任意字符
     
    
   

    

     

    
    

     

      z = re.findall(r'[^a-z]','I Love You')
     
    
   

    

     

    
    

     

      print(z)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #{}匹配次数
     
    
   

    

     

    
    

     

      z = re.search(r'Iloveyou{3}','Iloveyouuuuu') #匹配3次u
     
    
   

    

     

    
    

     

      print(z)    #match='Iloveyouuu'>
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      z = re.search(r'(Iloveyou){3}','IloveyouIloveyouIloveyou') #匹配3次Iloveyou
     
    
   

    

     

    
    

     

      print(z)    #match='IloveyouIloveyouIloveyou'>
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      z = re.search(r'(Iloveyou){1,3}','IloveyouIloveyouIloveyou') #匹配1~3次Iloveyou
     
    
   

    

     

    
    

     

      print(z)    #match='IloveyouIloveyouIloveyou'>
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # 贪婪模式
     
    
   

    

     

    
    

     

      s = '<html><title> I love YOU</title></html>'
     
    
   

    

     

    
    

     

      z = re.search('<.+>',s)
     
    
   

    

     

    
    

     

      print(z)    # match='<html><title> I love YOU</title></html>'>
     
    
   

    

     

    
    

     

      #非贪婪模式
     
    
   

    

     

    
    

     

      z = re.search('<.+?>',s)
     
    
   

    

     

    
    

     

      print(z)    #match='<html>'>
     
    
  
 

文章来源: brucelong.blog.csdn.net，作者：Bruce小鬼，版权归原作者所有，如需转载，请联系作者。

原文链接：brucelong.blog.csdn.net/article/details/80495359