正则表达式笔记

正则表达式

正则的用处：python的网页爬虫中用的相当多

写正则表达式的整体思路：

首先把你要匹配的字符串粘过来，然后把里面共性的东西留着，空格换成\s，其他的可变字符串替换成各种匹配，然后那些不变的部分留着就行了。

pattern

元字符	说明
.	所有
\b	begin，匹配单词开始
^	匹配一行的开始
$	匹配一行的结束
\d	digital，数字
\w	word，匹配数字字母下划线汉字，什么都能匹配
\s	匹配空格
\	转义符 .*\ 这些用

.匹配任意

字符集：[12] 中括号是字符集，匹配中括号中任意字符中的一个，这个表达式匹配1或者2，只匹配一个

[0-9]就相当于\d

这个[]这里还要多写一点，因为[]里面无限装东西，而含义就是这个字符集相当于里面装的所有东西的其中一种，就有一个或的意思在里面。如果是两个表达式来取或的话，就用|。

次数：

*0或多个

+至少一个

数量词：[0-9]{4}，匹配四位数，大括号套起来就是次数

[0-9]{4,6}这个是贪婪匹配，比如要被匹配的字符串一共就六个数字，那这肯定就都匹配了，先从上限开始找

[0-9]{4,6}?这个等同于[0-9]{4}，后面带了一个问号之后，就不敢多要了，大括号成了废话。

分组()

分组是括号，只要看见括号，而且这个括号前面还没有转义符的话，且括号后面跟的是大括号，比如

（[1-9].）{3}

这种小括号大括号连着用的结构，相当方便断句啊！

分组的别名

如果分组太多，不命名不好调用。问号尖括号连用，外面用小括号包着，只要看见这个小括号跑不了就是分组，例如：

(?（[1-9].）{3})

(? exp )

如果尖括号前面不带问号的话，这个<>本身就不构成语法。

分组这个东西，有了括号之后，就方便把这个组的取值拉出来，(?<> xxxx)这种表达式，把问号尖括号去掉之后，其他的仍然是一个正常的正则分组。

分组表达式取反

分组取反

问号冒号连用

(?: exp)，(?:（[1-9].）{3})

这个取到的是上面这个表达式没匹配到的部分，问号冒号连用没法命名

贪婪匹配与懒惰匹配

贪婪比如 .*1，*就是贪婪，流星碎片，尽可能多的去匹配

懒惰 .*?1，?就是懒惰，尽可能少的去匹配

这两个中，都是匹配xxxxx1，不过第一个要匹配到最后一个1，第二个到第一个1就停了。

（问号， 表示一点贪婪之后？？？）