python正则表达式

元字符匹配，对于爬虫十分重要

字符	功能
.	匹配任意一个字符（除了 \n ）， \. 匹配点本身
[ ]	匹配 [ ] 中列举的字符
\d	匹配数字，即 0-9
\D	匹配非数字
\s	匹配空白，即 空格、tab键
\S	匹配非空白
\w	匹配单词字符，即 a-z、A-Z、0-9、_
\W	匹配非单词字符

r的用法

字符串前面带上r，表示其中转义字符无效，均视为普通字符

三大方法

import re包
re.match, 从头开始匹配，匹配第一个命中项，如果第一个匹配失败，直接结束
re.search,全局匹配，匹配第一个命中项
re.findall，全局匹配，匹配全部命中项，返回一个 list

数量匹配

*	匹配前一个规则的字符出现0至无数次，闭包
+	匹配前一个规则的字符出现1至无数次， 正闭包
？	匹配钱一个规则的字符出现0次或者1次
{m}	匹配前一个规则的字符串出现m次
{m,}	匹配前一个规则的字符串出现最少m次
{m,n}	匹配前一个规则的字符串出现m到n次

边界匹配

^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词的边界

分组匹配

|	匹配左右任意一个表达式 或
( )	将括号中字符作为一个分组

案列演示

"""
正则表达式元字符匹配
"""

import re

# 匹配账号，只能由数字和字母组成，长度限制6到10位,正则表达式里面不要乱写空格
r1 = '^[0-9a-zA-Z]{6,10}$'
s1 = '123458Ab'
print(re.findall(r1, s1))

# 匹配QQ号，纯数字，长度5-11，第一位不为0
r2 = '^[1-9][0-9]{4,10}$'
s2 = '01246789'
print(re.findall(r2, s2))

# 匹配邮箱地址，允许 qq、163、gmail
r3 = r'(^[\w-]+(\.[\w-]+)*@(qq|163|gmail)(\.[\w-]+)+$)'
s3 = '[email protected]'
print(re.match(r3, s3))

输出结果自己在IDE跑一下，很简单。