python也和其他语言一样也提供了丰富的正则匹配表达式，在爬虫中解析服务器的内容时也经常需要用到，python的正则匹配为re库，其官方文档链接为: Lib/re.py

在官方文档中特别说明正则匹配表达式为str格式，其匹配特殊字符或者特殊表达式时前面要加'\', 又已知‘\’在表达式中为特殊字符，如果要表达该字符时前面要加‘\’，所以在一个字符表达式中要表达为'\'时需要输入‘\\’, 而又只知道正则表达式前面需要加'\'.所以在要匹配一个‘\’时，其正则表达式应该为'\\\\‘其意思为正则表达式匹配一个‘\’, 前面一个'\\'为正则表达式的'\',后面一个'\\'为‘\'字符。

正则表达式是使用python的raw格式，所以在正则表达式中'\n'为两个字符一个为'\'，两位一个为'n',而在字符串中'\n'为一个字符表达为换行符。

Regular Expression Syntax

在正则表达式中，如果A和B都是正则表达式，那么AB也是正则表达式。如何一个字符串p匹配A，字符串q匹配B，那边pq也会和AB表达式匹配，除非A和B有匹配优先级或者A和B之前有其他边界条件。

正则表达式也可以包含特殊或原始字符，大部分原始字符'A','a'或‘0’为简单的匹配规则，也允许将过个字符链接，比如‘last’匹配规则表示需要匹配‘last’字符串

特殊的限定符(*, +, ?, {m,n}, etc)不能直接用于嵌套，主要是为了防止和非贪婪修饰符？混淆。

在正则表达式中有些特殊的字符表述特殊的匹配规则，其列表如下

特殊字符

描述

.

匹配任意字符除了换行符， 当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符

注意只匹配一个字符

例如：

  print(re.match('.','qwdqwf'))

匹配结果为第一个字符q

^

匹配该字符串开头，如果要匹配的字符串不是以该字符串开头，则返回none

例如：

  print(re.match('^d','qwdqwf'))

返回none

$

匹配结束字符串的结尾，如果有换行则匹配换行前的字符串是否已要匹配的字符串结尾

例如：

  re.search('foo$','fool\n')， 匹配结果为none

  re.search('fool$',111fool\n'):  匹配结果为fool

  re.search('fool.$',111fool\n'):匹配结果为fool

  re.search('foo.$', '111fool\nfoo2\n'):匹配结果为foo2

在MULTILINE模型下即多行模式下匹配结果为前面首次的匹配结果：

例如：

  re.search('foo.$', '111fool\nfoo2\n', flags=re.M)：匹配结果fool

*

匹配0个或多个表达式

例如

  ab*,  匹配的表达式为a,  ab或者 ab后面跟着任何字符

  re.search('ab*', 'a')：匹配结果a

  re.search('ab*', 'a111'):匹配结果a

  re.search('ab*', 'ab'):匹配结果ab

  re.search('ab*', 'abdwf'):匹配结果ab

  re.search('ab*', 'b1111'):匹配结果为none

  re.search('ab*', 'bdda'):匹配结果为a

  re.search('d*', 'abfef')：匹配结果为空

+

匹配1个或者多个表达式

例如

ab+ 将匹配ab后面跟任何字符，而不会匹配a

  re.search('ab+', 'abfef'):匹配结果：ab

  re.search('ab+', 'a'):匹配结果：none

  re.search('ab+', 'acdf'):匹配结果：none

?

匹配0个或多个表达式，为非贪婪匹配

例如：

ab? 匹配表达式为匹配a或者ab

使用用例：

  re.search('ab?', 'acdf')：匹配结果为：a

  re.search('ab?', 'dabkn'):匹配结果为：ab

  re.search('ab?', 'dcbkn'):匹配结果为：none

*?,+?,??

'*','+',和‘？”即为贪婪模式匹配，而加上？将会按照非贪婪模式匹配

例如：

  re.search('ab*?', 'abc')， 匹配结果为为a， 已知ab* 为a， b或者ab后面跟任意数字，ab*?按照非贪婪模式最小匹配为需要匹配a

  re.search('ab+?', 'abc'), 匹配结果为a,     已知ab+匹配为ab，或者ab后跟任意字符，而ab+?按照最小匹配为ab

  re.search('ab??', 'abc')， 匹配结果为a, 已知ab?匹配为a或者ab，ab??按照ab?最小匹配为a

{m}

将前面拷贝成m分进行匹配，连续少于m个将不能匹配

例如：

a{6}匹配连续6个a

  re.search('a{6}', 'vbhaaa')：匹配结果为none

  re.search('a{6}', 'vbhaaaaaaefgeg')：匹配结果为aaaaaa

  re.search('a{6}', 'vbhaaaaaaaaaaaaefgeg'):匹配结果为aaaaaa

 

{m, n}

匹配从m到n中的任意个数

例如

b{3,5}匹配3到5个任意个数的b

  re.search('b{3,5}', 'vabbb') 匹配结果bbb

  re.search('b{3,5}', 'vabbbb'),匹配结果bbbb

  re.search('b{3,5}', 'vabbbbb')匹配结果bbbbb

  re.search('b{3,}', 'vabbbbbb') 匹配结果bbbbb

  re.search('b{3,5}', 'vabb'):匹配结果为none

当n不填是，可以匹配到m到1000个任意数量

  re.search('b{3,}', 'vabbbbbbbbbbbbbb')，匹配结果：bbbbbbbbbbbbbb

  re.search('b{3,}', 'vabb')；匹配结果为none

 

{m,n}?

按照最小匹配原则，即匹配m个字符

例如：

  b{3,5}? 匹配bbb

例如：

  re.search('b{3,5}?', 'vabbbbbbb')：匹配结果为bbb

\

即可以作为向‘’*’‘？’’为转义字符，有可以作为一个特殊的序列

如果在正则表达式中不是raw 格式字符串，python将把'\'作为转义序列。如果python 解析器不识别转义序列，将把'\'以及后面的字符作为字符串中的内容进行输出。

如果python识别转义序列，将需要使用连续两个斜杠'\\'来表示

[]

1: 用来表示一组字符，例如[amk]匹配表达式为'a','m','k

用例：

     re.search('[abc]', 'wefnwabeo') 匹配结果a

     re.search('[abc]', 'wefnweo') 匹配结果none

2:也可以使用‘-’来表示一个范围，例如[a-z] 匹配a到z的字符

       re.search('[a-z]', '2488s9rg') 匹配结果 a

3: 在该表达式中特殊字符将失去原有意义，比如[(+*)],匹配表达式为‘（’ “+” ‘*’ “）”

      re.search('[(+*)]', '2488(s9rg')： 匹配结果: '('

      re.search('[(+*)]', '24*88(s9rg'):  匹配结果: '*'

4:如果要匹配的字符不在序列范围之内，可以单独使用单引号‘’，例如

     re.search("[5~6'8']", '2s4*88(s9rghe')：匹配结果为:8

5：如果要匹配[], 则使用转义符‘\’

    例如：

      re.search("[fen\]]", '2s4]*88(s9rghe')  匹配结果:]

|

A|B 匹配按照A或B规则， 一旦A匹配了，B不在匹配

(...)

匹配括号内的匹配规则

例如

  re.search("(8{2})", '2s4*88(s9rg)he') 匹配连续两个8，匹配结果为88

  (re.search("(...)", '2s4*88(s9rg)he') 匹配三个任意字符串，匹配结果为2s4

因为()为关键字符，所以要匹配(), 有两种方法1：\( 或\)  2:表达式[(].[)]

例子

      re.search("[(].*[)]", '2s4]*88(s9rg)he')    匹配结果： (s9rg)

     re.search("\(.*\)", '2s4]*88(s9rg)he')        匹配结果：(s9rg)

\number

匹配number数量里面相同的内容

例如：

    print(re.search(r'(.+) \1', 'the the')) 匹配结果为the

\A

匹配字符串开始

   re.search('\Athe', 'the number')  匹配结果the

\b

匹配一个单词边界，就是指单词空格间的位置

例如：

    re.search(r'\bfoo\b', 'bar foo baz') 匹配结果为foo

    re.search(r'\bfoo\b', 'fooq')            匹配结果为none

\B

匹配非单词边界

例如：

    re.search(r'foo\B', 'bar foobaz')  匹配结果为foo

    re.search(r'foo\B', 'bar foo baz')  匹配结果为none

\d

匹配任意数字，等于[0-9]

例如：

    re.search(r'\d', 'bar foo1baz') 匹配结果为1

  

\D

匹配任意数字

例如：

    re.search(r'\D', '2135266') 匹配结果为none

    re.search(r'\D', '2135wd266') 匹配结果为w

\s

匹配任意空白字符，等价于 [\t\n\r\f]

例如：

    re.search(r'\s', '2135wd\n266') 匹配结果为\n

    re.search(r'\s', '2135wd\t266') 匹配结果为\t

    re.search(r'\s', '2135wd266')  匹配结果为none

\S

匹配任意空白字符

例如：

    re.search(r'\S', '2135wd266') 匹配结果为2

\w

匹配数字字母下划线

例如

   re.search(r'\w', '!@#$_qq') 匹配结果为_

\W

匹配非数字字母下划线

例如：

    re.search(r'\W', '!@#$_qq') 匹配结果!

    re.search(r'\W', 'qwdwqd')  匹配结果为q

\Z

匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串

例如：

    re.search(r'number\Z', 'the number') 匹配结果为none