我的第六篇python爬虫博客《正则表达式二》

预定义匹配字符集

正则表达式中的一些表示方法，可以同时匹配某个预定义字符集中的任意一个字符。比如\d可以匹配·任意一个数字，虽然可以匹配其中任意字符，但是只能是一个，不是多个

\d 匹配任意一个数字，0~9中的任意一个

\w 匹配任意一个字母或数字或下划线，也就是A-Z a-z 0-9 _中的任意一个

\s 匹配空格、制表符、换页符等空白符的其中任意一个

\D 匹配\d的反集，也就是非数字的任意一个字符，等同于[^\d]

\W \w的反集

\S \s的反集

重复匹配

前面的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符，其中任意一个的表达式，都只能匹配一次。但是有时候我们需要对某个字段进行重复匹配，例如手机号码18888888888，一般的新手可能会写成\d

\d\d\d\d\d\d\d\d\d\d,不但写着费劲，看着也累，还不一定准确恰当。这种情况可以使用表达式再加上修饰匹配次数的特殊符号

{n} 匹配表达式重复n次，比如\d{2}相当于\d\d\d

{m,n}匹配表达式至少重复m次，最多重复n次

{m,} 匹配表达式至少重复m次

？ 匹配表达式0次或者1次

+ 匹配表达式出现1次到无限次

* 匹配表达式出现0次到无限次

位置匹配和非贪婪匹配

位置匹配 ，有时候我们对匹配出现的位置有要求，比如开头、结尾、单词之间等等

^ 在字符串开始的地方匹配。符号本身不匹配任何字符

$ 在字符串结束的地方匹配，符号本身不匹配任何字符

贪婪与非贪婪模式

在重复匹配时，正则表达式默认总是尽可能多的匹配，这被称为贪婪模式.*

在重复匹配时，正则表达式总是尽可能少的匹配，这被称为非贪婪匹配.*?

re模块常用方法

search（pattern,string,flags=0）

在文本内查找，返回第一个匹配到的字符串，它的返回值类型和使用方法与match（）是一样的，唯一的区别就是查找的位置不用固定在文本的开头

findall（pattern,string,flags=0）

作为re模块的三大搜索函数之一，findall（）和match（），search（）的不同之处在于，前两者都是单值匹配，找到一个就忽略后面，直接返回不再查找了。而findall是全文查找，它的返回值是一个匹配到的字符串的列表，这个列表没有group（）方法，没有start、end、span，更不是匹配一个对象，而是一个列表，如果一项都没有匹配到就会返回一个空列表

complit(pattern,flags=0)

这个方法是re模块的工厂法，用于将字符串形式的正则表达式编译为pattern模式对象，可以实现更加效率的匹配。第二个参数flag是匹配模式 使用compile（）完成一次转换后，再次使用该匹配模式的时候就不能进行转换了，经过complit（）转换的正则表达式对象也能使用普通的re方法

flag匹配模式

re.I 使匹配对大小写不敏感，也就是不区分大小写的模式

re.S 使.这个通配符能够匹配包括换行在内的所有字符，针对多行匹配,

split（pattern，string,maxsplit=0,flags=0）

re模块的split（）方法和字符串的split（）方法相似，都是利用特定的字符去分割字符串，但是re模块的split（）可以使用正则表达式，因此更灵活，更强大

sub()

sub()方法类似字符串的replace（）方法，用指定的内容替换匹配到的字符，可以指定替换次数

分组供能

python的re模块有一个分组功能。所谓的分组就是去已经匹配到的内容再筛选出需要的内容，相当于二次过滤，实现分组靠圆括号（），而获取分组的内容靠的使group（）、groups（）

用正则表达式百度贴吧爬取海贼王图片