一般的正規表示式都可直接到正則生成工具處生成，
常見匹配字元
re.match及其常規匹配
re.match 嘗試從字串的起始位置匹配乙個模式，如果不是起始位置匹配成功的話，match()就返回none。
re.match(pattern, string, flags = 0)
返回的為乙個物件，其中span代表長度 加上group方法會返回資料資訊 加上span方法會返回長度
泛匹配匹配目標
使用（）來表示想要返回的group 其中第乙個（）為group（1），第二個為group（2）
貪婪匹配
貪婪模式中.* 會盡可能多的匹配，從而匹配了123456。貪婪模式為正則的預設匹配模式
非貪婪匹配
通過加上？，轉換為非貪婪模式，從而盡可能少的匹配，如下例對於1234567，並無匹配，可以理解為，通過？讓*.變的懶惰了
匹配模式
匹配模式即為flag引數. 下例中，由於不能匹配換行符，不配置flag會返回none；故需要將匹配模式變為re.s，*.即可匹配任意字元
轉義
字元中會出現轉義字元，如$,.等，需要通過加上反斜槓\來表示後面的字元為轉義字元
總結：盡量使用泛匹配、使用括號得到匹配目標、盡量使用非貪婪模式、有換行符就用re.s
re.search
re.search 掃瞄整個字串並返回第乙個成功的匹配。相比於re.match，re.search不需要從第乙個字元開始匹配。
案例1：
使用re.search篩選html內容
re.findall
從上例中，可以發現match和search都有一定的限制性，即不可以返回符合條件的所有字元。所以一般在進行爬蟲時會使用findall方法會更多一點。findall方法會搜尋字串，以列表形式返回全部能匹配的子串。
改進：上例中，並沒有篩選出第一條資料，這是由於第一條資料沒有a標籤
用\s?表示換行（\s代表空白字元，
表示有乙個或多個，？表示可有可沒有）
用（）可表示裡面內容為乙個整體，（）？表示（）內內容可有可無
results = re.findall('\s*?()?(\w+)()?\s*?', html, re.s)
print(results)
for result in results:
print(result[1])
替換字串中每乙個匹配的子串後返回替換後的字串
import re
content = 'extra stings hello 1234567 world_this is a regex demo extra stings'
content = re.sub('\d+', '', content)
print(content)
extra stings hello world_this is a regex demo extra stings
content = 'extra stings hello 1234567 world_this is a regex demo extra stings'
content = re.sub('\d+', 'replacement', content)
print(content)
extra stings hello replacement world_this is a regex demo extra stings
\1表示要被替換的第乙個group
content = 'extra stings hello 1234567 world_this is a regex demo extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)
extra stings hello 1234567 8910 world_this is a regex demo extra stings
html = re.sub('|', '', html)
print(html)
import re
re.compile
re.compile將正則字串編譯成正規表示式物件
將乙個正規表示式串編譯成正則物件，以便於復用該匹配模式
content = '''hello 1234567 world_this
is a regex demo'''
pattern = re.compile('hello.*demo', re.s)
result = re.match(pattern, content)
#result = re.match('hello.*demo', content, re.s)
print(result)
<_sre.sre_match object span="(0," match="hello 1234567 world_this\nis a regex demo">
python爬蟲 正規表示式
正規表示式是十分高效而優美的匹配字串工具，一定要好好掌握。利用正規表示式可以輕易地從返回的頁面中提取出我們想要的內容。1 貪婪模式與非貪婪模式 python預設是貪婪模式。貪婪模式，總是嘗試匹配盡可能多的字元 非貪婪模式，總是嘗試盡可能少的字元。一般採用非貪婪模式來提取。2 反斜槓問題 正規表示式裡...
Python 爬蟲 正規表示式
常見的正則字元和含義如下 匹配任意字元，除了換行符 匹配字串開頭 匹配字串末尾 匹配括號內表示式，也表示乙個組 s 匹配空白字元 s 匹配任何非空白字元 d 匹配數字，等價於 0 9 d 匹配任何非數字，等價於 0 9 w 匹配字母數字，等價於 a za z0 9 w 匹配非字母數字，等價於 a z...
Python爬蟲 正規表示式
正規表示式就是使用簡潔的特徵表示一組很長的字串。比如 lpppppppp 是一串很長的字串，用正規表示式表示為 lp 操作符說明例項.表示任何單個字元 字符集，對單個字元給出取值範圍 a,s 表示字元a,s，a s 表示從a到s的字元 非字符集，對單個字元給出排除範圍 與上乙個操作符相反，表示排除方...