python爬虫——提取抓取内容（1）正则表达式解析

一.为什么引入正则表达式？

• 用来匹配一类具有相同规则的字符串

二.正则表达式规则

1. 单字符

符号	含义
.	除换行以外的所有字符
[]	[aoe]表示a.o.e任意一个；[a-w]表示a-w之间任意一个
\d	数字 [o-9]表示0-9
\D	非数字
\w	字母，数字，下划线，中文
\W	所有非\w
\s	所有的空白字符
\S	非空白字符

2.数量修饰（控制数量）

符号	含义
*	人一多次      ~~~~      >=0
+	至少一次      ~~~~     >=1
?	可有可无      ~~~~      0或1次
{m}	固定m次
{m,}	至少m次
{m,n}	m-n次

3.边界

字符	含义
\b
\B
$	以某某结尾
^	以某某开头

4.分组（正则的高级功能）

     ~~~~     4.1 (){数字} ：视为一个整体ab{4}表示abbbb，(ab){4}表示abababab

     ~~~~     4.2 子模式\组模式

import re

string = '
开心
'
pattern = re.compile(r'<(\w+)><(\w+)>\w+')
ret = pattern.search(string)
print(ret)

import re

string = '
开心
'
pattern = re.compile('<(\w+)><(\w+)>\w+<(/\w+)><(/\w+)>')
ret = pattern.search(string)
print(ret)

5.贪婪模式

.*
实例

import re

string = '
喜气洋洋过大年！

' pattern = re.compile(r'

.*

') ret = pattern.search(string) print(ret)

.+

import re

string = '
恭喜发财，鼠年大吉！

' pattern = re.compile(r'

.+

') ret = pattern.search(string) print(ret)

加个问号‘？’就可以取消贪婪模式
.*?

import re

string = '
喜气洋洋过大年！