python爬蟲正則表達式介紹

元字符

^ $ * + . | ? {} [] () 這就是元字符了，學會這些應該就夠你用的了。

python中的正則表達式通過import re 來使用。

1、python爬蟲正則表達式，[] 常用來指定一個字符集，如：[abc ]; [a-z] 里面所有的字母會被一一匹配 例子：

面例子都解釋的很清楚了，我就不重復一行行解釋了。 注： 示例中^表示取反。

[a-z]表示 從字母a到z所有的字母。

[0-9]等價于[0123456789] 也可以用d 表示。 所有其它的元字符在[]中將失去原有的意義，比如示例中的^在[]表示取反。

2、^ 表示匹配字符串的開頭。在多行模式下匹配每一行的開頭。

注：^一般放在字符串開頭

3、$ 表示匹配字符串的結尾。在多行模式下匹配每一行的尾部。

注：$一般放在字符串結尾。

上面三個可以看成一個小塊，你記住了嗎？理解了嗎？看明白了嗎？還有你自己敲一遍代碼了嗎？？？？？！！！！一定自己嘗試敲一遍代碼！

好接下來，繼續 由于元字符是特殊字符，如果我們要匹配元字符本身的字符應該怎么辦呢？ 當我們想把元字符變為為普通符號是可以使用（反斜杠）進行轉義。

4、反斜杠后面可以加不同的字符以表示特殊意義。 也可用于取消所有元字符，變為普通符號。

你只要能記住加黑加粗的其它的我打賭你肯定也全會了。所以記住加粗的，自己把下面的代碼敲一遍。 示例

正則表達式可以匹配不定長的字符集，另外也可以指定字符串的重復次數。

* （星號） 指定前一個字符可以匹配0次或者多次，而不是只有1次，匹配結果會盡可能的重復多次***不超過20億次。（后面若加問號？變為非貪婪模式僅匹配0次：ab*? 結果為a）

+ （加號） 匹配前一個字符1次或者多次。（后面若加問號？變為非貪婪模式僅匹配1次：ab+? 結果為ab）

？ （問號） 匹配前一個字符0次或者1次。（后面若加問號？變為非貪婪模式僅匹配0次：ab?? 結果為a） ？可以是python原本的貪婪模式變為非貪婪模式。

{m} （花括號） m是數字，表示重復前一個字符m次。

{m,n} 表示重復前一個字符m-n次。若省略m則表示0-n次，若省略n表示m到***次。（后面若加問號？變為非貪婪模式僅匹配0次：ab{2,100}? 結果為abb）

（） | . . 它匹配除了換行字符外的任何字符，在 alternate 模式（re.DOTALL）下它甚至可以匹配換行

| 代表左右表達式任意匹配一個。a|b 匹配a或者匹配b 。 如果沒有被(...)括起來它的范圍是整個正則表達式。

(...) 將正則表達式分組，每個分組為一個整體，將優先返回分組內的數據