今天寫爬蟲偶然想到了初學(xué)正則表達(dá)式時(shí)候，看過一篇文章非常不錯(cuò)。檢索一下還真的找到了。

re模塊

re.search

經(jīng)常用match = re.search(pat, str)的形式。因?yàn)橛锌赡芷ヅ洳坏?，所以re.search()后面一般用if statement。

re.match

re.match和re.search很相似，只是re.match是從字符串的開頭開始匹配。

常用正則字符意義 a, X, 9,等字符匹配自己, 元字符不匹配自己，因?yàn)橛刑厥庖饬x，比如 . ^ $ * + ? { }[ ] \ | ( ) . 英文句號，匹配任意字符，不包含'\n' \w 匹配'word'字符，[a-zA-Z0-9] \W 匹配非'word'字符 \b 匹配'word'和'non-word'之間邊界 \s 匹配單個(gè)whitespace字符,space, newline, return, tab, form [\n\r\t\f] \S 匹配non-whitespace字符 \t, \n, \r 匹配tab, newline, return \d 匹配數(shù)字[0-9] ^ 匹配字符串開頭 $ 匹配字符串結(jié)尾 重復(fù)

‘+' 一或多次, ‘*' 零或多次, ‘?' 零或一次

方括號[]

[]類似于or

Square brackets can be used to indicate a set of chars, so [abc] matches 'a' or 'b' or 'c'.

Group Extraction圓括號()

有時(shí)候需要提取匹配字符的一部分，比如剛才的郵箱，我們可能需要其中的username和hostname，這時(shí)候可以用()分別把username和hostname包起來，就像r'([\w.-]+)@([\w.-]+)',如果匹配成功，那么pattern不改變，只是可以用match.group(1)和match.group(2)來username和hostname，match.group()結(jié)果不變。

findall and groups

()和findall()結(jié)合，如果包括一或多個(gè)group，就返回a list of tuples。

給re.search加^之后是一樣的。

re.sub

re.sub(pat, replacement, str)在str里尋找和pattern匹配的字符串，然后用replacement替換。replacement可以包含\1或者\(yùn)2來代替相應(yīng)的group，然后實(shí)現(xiàn)局部替換。

最新評論