python 正規表示式

python支援的正規表示式的常用符號

說明:(1) 「.」字元為匹配配仟意單個字元。例如，a.b可以的匹配結果為abc，aic、a&c等，但不包括換行符。

2) 「\」字元為轉義字元，可以把字元改變為原來的意思，聽上去不是很好理解。

例如：』.『字元是匹配任意的單個字元，但有時不需要這個功能，只想讓它代表乙個點，這時可以使用』.『就能匹配為』 . 』了。

3 […]字符集，相當於在中括號中任選乙個。例如a[bcd]，匹配的結果為ab、ac、ad。

**預定義字符集 **

正規表示式的預定義字符集易於理解，在爬蟲實戰中，常常會匹配數字而過濾掉文字部分的資訊。例如』字數 3450』，只需要數字資訊，可以通過』\d+』來匹配資料，』+'為數量詞，匹配前乙個字元1或無限次，這樣就可以匹配到所有的數字。

數量詞

說明：（1）" * " 數量詞匹配前乙個字元0或無限次。例如ab*c匹配ac、abc、abbc、abbbc等。

（2）『+』與『 * 』類似，只是匹配前乙個字元一次。例如，ab+c匹配abc、abbc和abbbc等

（3）『？』數量詞匹配前乙個字元0或1次。例如，ab？c 匹配 ac和abc。

（4）『m』數量詞匹配前乙個字元m次。例如，abc 匹配abbbc。

（5）『』數量詞匹配前乙個字元m至n次。例如，abc匹配 abc、abbc和abbbc。

邊界匹配

說明：（1）『 ^ 』匹配字串的開頭。例如，^abc匹配abc開頭的字串。

（2）』 $ 』匹配字串的結尾。例如，abc$匹配abc結尾的字串。

（3）』 \a 『匹配字串的結尾。例如，\aabc。

（4）』 \z 』匹配字串的結尾。例如，abc\z。

邊界匹配在爬蟲實戰中的使用較少，因為爬蟲提取的大部分為標籤中的資料，例如186好笑提取數字數字資訊，邊界匹配在這裡沒有任何作用。

最後介紹爬蟲實戰中最常用的(.?),"()"表示括號的內容作為返回的結果。「 .? 」是非貪心演算法，匹配任意字元。例如，字串『xxlxxjshdxxlovexxsffaxxpythonxx』,可以通過』xx(.*? )xx』匹配符合這種規則的字串，**如下：

import re
a = 'xxlxxjshdxxlovexxsffaxxpythonxx'
info = re.findall('xx(.*?)xx',a)
print(info)

執行結果如下：

[『l』, 『love』, 『python』]