正規表示式作為一種最常用的工具，在平常的工作中使用的非常普遍，在python中是由re庫提供這個功能，除此之外還有regex庫提供額外的功能。
在一般的正規表示式介紹中都是以ascii為代表來介紹的，但是作為乙個中國的程式設計師，所遇到的乙個最基本的問題就是字元編碼了。所以這裡說下如何在python中匹配
非ascii字元。
正規表示式是使用乙個模式串來找出所有可以用模式串描述的字串，模式串由普通字元跟元字元組成，這就是正規表示式最核心的想法。在乙個模式串中，
普通字元是用於匹配，而元字元則可以看成是在普通字元上的施加的一種操作或者是函式。既然如此，非ascii字元對正規表示式的影響就集中在普通字元這一塊而不是
元字元。而普通字元是由整數值表示的，匹配則意味著在模式串中的整數值跟在目標串中的整數值相等，如果在目標串跟模式串中使用了不同的字元編碼，很明顯，他
們是不能匹配的。因此在使用正規表示式用於匹配非ascii字元時，需要保持模式串跟目標串的編碼一致。如下所示：
當模式串的字元編碼跟目標串一致的時候就能夠成功的匹配。如果你的模式串中只有普通字元，那麼這樣就可以滿足你的要求了。但是問題沒有這麼簡單，當你試圖用元字元的時候就會出現問題，示例如下：
這裡我們的模式串是'人生'，想要匹配的字串是有乙個「人」和至少兩個「生」，但是從匹配的結果來看，這個正規表示式並沒有達到我們的目的。問題還是在於編碼，'人生'的gb18030編碼是'\xc8\xcb\xc9\xfa',因此這個正規表示式的意思就是匹配至少乙個'\xc8\xcb\xc9'和至少兩個'\xfa',和我們表達的意思完全按不同，原因在於乙個漢字字元使用了多個位元組的表示，而元字元+只作用在最後乙個位元組上。對於這種問題的解決方案也很簡單，就是尋找乙個能夠將漢字字元表示為數字的編碼，而不是使用多個數字來組合表示，也就是一種內部統一的表示。但是我現在又想到了乙個問題，任何乙個字元編碼最終都是乙個位元組乙個位元組的，因為計算機最基本的儲存單位就是位元組，所以這個問題在於字串比較函式的問題，沒有辦法將多個相關的位元組識別成乙個整體，才導致這個問題的。然後我們看到如果使用python內部的字元表示，那麼就沒有什麼問題！
在這裡使用unicode能夠解決問題，但是unicode帶來的編碼卻不止於此，因為如果把可以識別的字元從ascii擴大到unicode，那麼有些表示就需要重新定義了，比如\d,\w,\s等等。這裡就以\w為例來演示unicode的影響。
這裡(?u)就是啟用unicode dependent特性，可以看到在未啟用這個特性之前，使用正規表示式\w+不能匹配到任何的字串，但是使用這個特性，那麼就可以匹配到全部的漢字。其實在unicode中，每個字元除了對應乙個碼點（也就是乙個數字），還有對應的屬性，可以在正規表示式中使用屬性來進行匹配，比如屬性為漢字什麼的，還是很方便的。
正規表示式與python
在python中有乙個非常重要也非常好用的模組re，在import re後，就能夠在python中使用正規表示式，源於此次專案要用正規表示式對html 提取一定的字元，所以在這也就用些小例子來熟悉一下正規表示式 現在就用最簡單的例子 print re.findall r 執行後結果為 這個相對來說還...
python中的正規表示式
正規表示式是一種用來匹配字串的強有力的 它的設計思想是用一種描述性的語言來給字串定義乙個規則，凡是符合規則的字串，我們就認為它 匹配 了，否則，該字串就是不合法的。因為正規表示式也是用字串表示的，所以，我們要首先了解如何用字元來描述字元。在正規表示式中，如果直接給出字元，就是精確匹配。用 d可以匹配...
Python中的正規表示式
在使用python製作爬蟲之前，我們必須要對python的正規表示式有一定的了解,在python中使用正規表示式要匯入re包 d匹配數字1 9 w匹配字元 匹配集合裡面的字元 匹配前面出現的正規表示式1次或多次 表示匹配任意乙個字元，除換行符除外，x.匹配xy23中的xy,若是x.則匹配出xy2 表...