從乙個大檔案中找到所有符合 規則的內容 ----爬蟲
1.字元組 [字元]：
# [abc] 匹配a或者b或者c
# [0-9] 根據ascii進行範圍的比對
# [a-z] [a-z] [a-z] 但是不能寫[a-z] 範圍只能從小到大根據ascii
# [a-z] 可以匹配所有的大小寫字母 不推薦使用 因為91-97之間的內容也會包括
# 大小寫字母 - [a-za-z] 表示匹配所有的大小寫
# [0-9a-z] 匹配所有的小寫字母和數字
# [0-9a-za-z] 匹配大小寫字母和數字
元字元匹配內容
.匹配除換行符以外的任意字元
\w匹配字母或數字或下劃線
\s匹配任意的空白符
\d匹配數字
\n匹配乙個換行符
\t匹配乙個製表符
\b匹配乙個單詞的結尾
^匹配字串的開始
$匹配字串的結尾
\w匹配非字母或數字或下劃線
\d匹配非數字
\s匹配非空白符
a|b匹配字元a或字元b
()匹配括號內的表示式，也表示乙個組
[…]匹配字元組中的字元
[^…]
匹配除了字元組中字元的所有字元
量詞用法說明
*重複零次或更多次
+重複一次或更多次
?重複零次或一次
重複n次
重複n次或更多次
重複n到m次
在python中，無論是正規表示式，還是待匹配的內容，都是以字串的形式出現的，在字串中\也有特殊的含義，本身還需要轉義。所以如果匹配一次"\n",字串中要寫成』\n』，那麼正則裡就要寫成"\\n",這樣就太麻煩了。這個時候我們就用到了r』\n』這個概念，此時的正則是r』\n』就可以了。
正則待匹配字元
匹配 結果
說明\n
\nfalse
因為在正規表示式中\是有特殊意義的字元，所以要匹配\n本身，用表示式\n無法匹配
\n\n
true
轉義\之後變成\\，即可匹配
「\\n」
『\n』
true
如果在python中，字串中的'\'也需要轉義，所以每乙個字串'\'又需要轉義一次
r』\n』
r』\n』
true
在字串之前加r，讓整個字串不轉義
# () 分組 匹配括號內的表示式，也表示乙個組 # 約束 | 描述的內容的範圍問題
# www\.(oldboy|baidu|jd|taobao)\.com
# .*x 的用法
# 表示匹配任意字元，任意多次數，遇到最後乙個x才停下來
# .*?x 的用法
# 表示匹配任意字元，任意多次數，但是一旦遇到x就停下來
. 是任意字元
* 是取 0 至 無限長度
? 是非貪婪模式。
幾個常用的非貪婪匹配pattern
*? 重複任意次，但盡可能少重複
+? 重複1次或更多次，但盡可能少重複
?? 重複0次或1次，但盡可能少重複
? 重複n到m次，但盡可能少重複
? 重複n次以上，但盡可能少重複
# 18/15位的身份證號
# 15
# 1-9 一共十五位
# [1-9]\d
# 18
# 1-9 16 0-9/x
# [1-9]\d[0-9x]
# [1-9]\d[\dx]
# [1-9]\d(\d|x)
# ^([1-9]\d[0-9x]|[1-9]\d)$
# ^[1-9](\d[\dx]|\d)$
# ^[1-9]\d(\d[\dx])?
# 手機號碼
# 1 3-9 11位
# 1[3-9]\d
# 判斷使用者輸入的內容是否合法，如果使用者輸入的對就能查到結果，如果輸入的不對就不能查到結果
# ^1[3-9]\d$
# 從乙個大檔案file中找到所以符合規則的內容，
# 1[3-9]\d
正規表示式 正規表示式 總結
非負整數 d 正整數 0 9 1 9 0 9 非正整數 d 0 負整數 0 9 1 9 0 9 整數 d 非負浮點數 d d 正浮點數 0 9 0 9 1 9 0 9 0 9 1 9 0 9 0 9 0 9 1 9 0 9 非正浮點數 d d 0 0 負浮點數 正浮點數正則式 英文本串 a za z...
正規表示式 表示式
網域名稱 a za z0 9 a za z0 9 a za z0 9 a za z0 9 interneturl a za z s 或 http w w w 手機號碼 13 0 9 14 5 7 15 0 1 2 3 5 6 7 8 9 18 0 1 2 3 5 6 7 8 9 d 號碼 x x x...
Linux正規表示式 編寫正規表示式
為了所有實用化的用途，你可以通過使用程式產生正確的結果。然而，並不意味著程式總是如你所願的那樣正確地工作。多數情況下，如果程式不能產生想要的輸出，可以斷定真正的問題 排除輸入或語法錯誤 在於如何描述想要的東西。換句話說，應該考慮糾正問題的地方是描述想要的結果的表示式。表示式不完整或者公式表示得不正確...