正则表达式

正则表达式测试网站：https://regex101.com/

 限定符

？代表问号前面的字符出现0次或者1次

*  代表*前面的字符出现0次或者多次

+ 代表+前面的字符出现1次或者多次

{n}  代表{}前面的字符出现了n次

{n，}  代表{}前面的字符出现了n次或多次

{n,m}   代表{}前面的字符出现了n到m次

()  可以匹配多个字符的重复

运算符

|  或运算符       

案例: a (cat|dog)  匹配了  a cat 或者a dog

字符类

[]  方括号的内容代表要求匹配的字符只能取自于它们，我们可以在[]中指定字符的范围

例如：[a-z]代表所有的小写英文字符 ；[A-Z]代表所有的大写英文字符 ；[0-9]代表所有的数字。

反义

^

尖号代表要求匹配除了尖号后面列出的以外的字符

例如：[^a-z] 非小写字母

\D 代表非数字字符 

\W 代表非单词字符

\S 代表非空白符

元字符

\d 代表数字字符

\w 代表单词字符；

\s 代表空白符，包含tab字符以及换行符

\b 匹配单词的开始或结束

. 代表任意字符（不包含换行符）

^ 匹配行首 

$匹配行尾

转义字符

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。

贪婪与懒惰匹配

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。

以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

案例

爬取网页中的岗位信息

content = '''

        
           
            
                Python开发工程师
            
        
        南京
        1.5-2万/月


        

            
                java开发工程师
            
		
        苏州
        1.5-2/月

'''

import re
p = re.compile(r'class=\"t1\">.*?(.*?)', re.DOTALL)
for one in  p.findall(content):
    print(one)

正则表达式为：

class=\"t1\">.*?(.*?)

正常的情况下，正则表达式里的句号(.)是匹配任何除换行符之外的字符。但是有时你也想要求它连换行符也匹配，可以用DOTALL标志，就可以让它匹配所有字符，不再排除换行符了，这样 .*？就匹配了文本中的换行符和“span”相关的字符了

输出结果

Python开发工程师
java开发工程师