Python3正则表达式_re模块_教程_笔记_完整内容

正则表达式，用于在一大堆数据中查找信息，学习后有利于爬虫信息抓取。

“. ^ $ * + ? { } [ ] \ | ( )”是元字符（关键字），如要匹配原字符则需加“\”，如“\[”“\\”。为避免与转义符（\n、\b）冲突，可在字符串前加r，即 r"" 或 r'' 。

字符：
“\d”表示数字
“\D”表示非数字的字符
“\s”表示空白字符，相当于[ \t\n\r\f\v]
“\S”相当于[^ \t\n\r\f\v]
“\w”表示数字或字母
“\W”表示非数字和字母的字符
“.”表示除换行符'\n'外的所有字符，DOTALL模式下可匹配任何字符（包括'\n'）
“[]”整体为一个字符，其中的内容表示"或者"关系，同时元字符全部失效。如：[12]表示'1'或'2'，[a-z]表示小写字母（包括扩展拉丁字母如 'é'），[A-Za-z]表示所有字母，而[^a]表示除'a'以外的所有字符，[a^]表示'a'或'^'。由于元字符失效，从而可以 '[\n]' 的方式表示回车符等转义符，但复杂情况下仍推荐使用 r""。

以下字符都不代表实际字符，即所谓零宽度，称为断言：
“^”指示行的开头，不代表实际字符，如MULTILINE模式下以“^a”去匹配“b\nab”则span=(2, 3)。若不是MULTILINE，则仅指示字符串开头。
“$”指示行的末尾。同样需要MULTILINE
“\A”指示字符串的开头
“\Z”指示字符串的末尾
“\b”指示词边界，即每个单词的开头和结尾，单词结构中可包括数字和字母，其他字符如空格逗号可以将其分割为一个个单词。可以指示字符串开头。可能与退格符'\b'冲突，加r或使用'\\b'。
“\B”指示不在词边界时才匹配

“|”表示或者，优先级比普通字符还低，如“phone|tele”表示"phone"或"tele"
“()”可控制“|”的范围，如“the (phone|tele)”

重复：
“*”表示前一个字符重复0~+inf次
“+”表示前一个字符重复1~+inf次
“?”表示前一个字符重复0或1次，可有可无
“{a, b}”表示前一个字符重复a~b次，“{, b}”表示0~b，“{a, }”表示a~+inf次。

以上符号默认均为贪婪模式，即匹配尽可能多的字符。如果需匹配尽可能少的字符，可在其后加上“?”符号，如“a*?”为非贪婪模式。

“()”可使重复符号作用于其括住的全部字符上，如“(br)*”指'br'重复0~+inf次

【re模块】
基本方法：
“p = re.compile(r'ab*')”编译一个匹配器（正则），r'ab*'为匹配规则的表达式（模式）

“m = p.match('abbcabd')”在'abbcabd'中从第一个字符开始匹配，结果保存在match对象中并返回
“m = p.search('abbcabd')”在'abbcabd'中不断向后查找，只返回第一个最先匹配到的内容
“listAll = p.findall('abbcabd')”在'abbcabd'中不断向后查找所有能匹配的内容，并