正規表示式

1.了解正規表示式

正規表示式是對字串操作的一種邏輯公式，用事先定義好的一些特定字元、及這些特定字元的組合，組成乙個「規則字串」，這個「規則字串」用來表達對字串的一種過濾邏輯。

正規表示式是用來匹配字串非常強大的工具，在其他程式語言中同樣有正規表示式的概念，python同樣不例外，利用了正規表示式，我們想要從返回的頁面內容提取出我們想要的內容就易如反掌了。

正規表示式的大致匹配過程是：

1.依次拿出表示式和文字中的字元比較，

2.如果每乙個字元都能匹配，則匹配成功；一旦有匹配不成功的字元則匹配失敗。

3.如果表示式中有量詞或邊界，這個過程會稍微有一些不同。

2.正規表示式的語法規則

3.正規表示式相關註解

（1）數量詞的貪婪模式與非貪婪模式

正規表示式通常用於在文字中查詢匹配的字串。python裡數量詞預設是貪婪的（在少數語言裡也可能是預設非貪婪），總是嘗試匹配盡可能多的字元；非貪婪的則相反，總是嘗試匹配盡可能少的字元。

例如：正規表示式」ab*」如果用於查詢」abbbc」，將找到」abbb」。而如果使用非貪婪的數量詞」ab*?」，將找到」a」。

注：我們一般使用非貪婪模式來提取。

（2）反斜槓問題

與大多數程式語言相同，正規表示式裡使用」\」作為轉義字元，這就可能造成反斜槓困擾。假如你需要匹配文字中的字元」\」，那麼使用程式語言表示的正規表示式裡將需要4個反斜槓」\\\\」：前兩個和後兩個分別用於在程式語言裡轉義成反斜槓，轉換成兩個反斜槓後再在正規表示式裡轉義成乙個反斜槓。

python裡的原生字串很好地解決了這個問題，這個例子中的正規表示式可以使用r」\\」表示。同樣，匹配乙個數字的」\\d」可以寫成r」\d」。有了原生字串，媽媽也不用擔心是不是漏寫了反斜槓，寫出來的表示式也更直觀。