Python基础知识补充——正则表达式

ゝ一世哀愁。 2023-07-07 11:28 50阅读 0赞

# 一.前言 #

就我目前而了解，爬虫的话很多情况下我们需要通过正则表达式来进行字符的匹配。因此我们还是有需要对正则表达式来进行一次巩固学习的。以下的主要是从另一个作者文章拿过来的链接如下：  
https://www.cnblogs.com/larry-luo/p/10814919.html

**1、普通字符和11个元字符：**

<table style="margin-left:-5.1pt;"> 
 <tbody> 
 <tr> 
 <td> 普通字符 </td> 
 <td> 匹配自身 </td> 
 <td> abc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> . </td> 
 <td> 匹配任意除换行符"\n"外的字符(在DOTALL模式中也能匹配换行符 </td> 
 <td> a.c </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \ </td> 
 <td> 转义字符，使后一个字符改变原来的意思 </td> 
 <td> a\.c;a\\c </td> 
 <td> a.c;a\c </td> 
 </tr> 
 <tr> 
 <td> * </td> 
 <td> 匹配前一个字符0或多次 </td> 
 <td> abc* </td> 
 <td> ab;abccc </td> 
 </tr> 
 <tr> 
 <td> + </td> 
 <td> 匹配前一个字符1次或无限次 </td> 
 <td> abc+ </td> 
 <td> abc;abccc </td> 
 </tr> 
 <tr> 
 <td> ? </td> 
 <td> 匹配一个字符0次或1次 </td> 
 <td> abc? </td> 
 <td> ab;abc </td> 
 </tr> 
 <tr> 
 <td> ^ </td> 
 <td> 匹配字符串开头。在多行模式中匹配每一行的开头 </td> 
 <td> ^abc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> $ </td> 
 <td> 匹配字符串末尾，在多行模式中匹配每一行的末尾 </td> 
 <td> abc$ </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> | </td> 
 <td> 或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式 </td> 
 <td> abc|def </td> 
 <td> abc def </td> 
 </tr> 
 <tr> 
 <td> {} </td> 
 <td> {m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若省略n，则匹配m至无限次 </td> 
 <td> ab{1,2}c </td> 
 <td> abc abbc </td> 
 </tr> 
 <tr> 
 <td> [] </td> 
 <td> 字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。 所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。 </td> 
 <td> a[bcd]e </td> 
 <td> abe ace ade &nbsp; </td> 
 </tr> 
 <tr> 
 <td> () </td> 
 <td> 被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号“（”，编号+1. 分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。 </td> 
 <td> (abc){2} a(123|456)c </td> 
 <td> abcabc a456c </td> 
 </tr> 
 </tbody> 
</table>

**2、预定义字符集（可以写在字符集\[...\]中）**

<table style="margin-left:-5.1pt;"> 
 <tbody> 
 <tr> 
 <td> \d </td> 
 <td> 数字:[0-9] </td> 
 <td> a\bc </td> 
 <td> a1c </td> 
 </tr> 
 <tr> 
 <td> \D </td> 
 <td> 非数字:[^\d] </td> 
 <td> a\Dc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \s </td> 
 <td> 匹配任何空白字符:[&lt;空格&gt;\t\r\n\f\v] </td> 
 <td> a\sc </td> 
 <td> a c </td> 
 </tr> 
 <tr> 
 <td> \S </td> 
 <td> 非空白字符:[^\s] </td> 
 <td> a\Sc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \w </td> 
 <td> 匹配包括下划线在内的任何字字符:[A-Za-z0-9_] </td> 
 <td> a\wc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \W </td> 
 <td> 匹配非字母字符，即匹配特殊字符 </td> 
 <td> a\Wc </td> 
 <td> a c </td> 
 </tr> 
 <tr> 
 <td> \A </td> 
 <td> 仅匹配字符串开头,同^ </td> 
 <td> \Aabc </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \Z </td> 
 <td> 仅匹配字符串结尾，同$ </td> 
 <td> abc\Z </td> 
 <td> abc </td> 
 </tr> 
 <tr> 
 <td> \b </td> 
 <td> 匹配\w和\W之间，即匹配单词边界匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 </td> 
 <td> \babc\b a\b!bc </td> 
 <td> 空格abc空格 a!bc </td> 
 </tr> 
 <tr> 
 <td> \B </td> 
 <td> [^\b] </td> 
 <td> a\Bbc </td> 
 <td> abc </td> 
 </tr> 
 </tbody> 
</table>

**3、特殊分组用法：**

<table style="margin-left:-5.1pt;"> 
 <tbody> 
 <tr> 
 <td> (?P&lt;name&gt;) </td> 
 <td> 分组，除了原有的编号外再指定一个额外的别名 </td> 
 <td> (?P&lt;id&gt;abc){2} </td> 
 <td> abcabc </td> 
 </tr> 
 <tr> 
 <td> (?P=name) </td> 
 <td> 引用别名为&lt;name&gt;的分组匹配到字符串 </td> 
 <td> (?P&lt;id&gt;\d)abc(?P=id) </td> 
 <td> 1abc1 5abc5 </td> 
 </tr> 
 <tr> 
 <td> \&lt;number&gt; </td> 
 <td> 引用编号为&lt;number&gt;的分组匹配到字符串 </td> 
 <td> (\d)abc\1 </td> 
 <td> 1abc1 5abc5 </td> 
 </tr> 
 </tbody> 
</table>