因为学习Python爬虫,正则表达式终于无法逃避了，不过也好，之前学习的时候没地方实践，导致看完就忘了。正则表达式是什么?维基百科是这样描述的。正则表达式是使用单个字符串来描述，匹配一系列匹配某个句法规则的字符串。通俗一点就是用来检索、替换那些匹配某个模式的文本。
规则
| 字符 | 含义 |
|---|---|
| \b | 匹配单词的开始和结束。 |
| \d | 匹配一个数字。 |
| \d{2} | 数字连续重复两次。 |
| . | 匹配除换行符意外的任意字符 |
| \w | 匹配字母、数字、下划线、汉字。 |
| \s | 匹配空白符。 |
| ^ | 匹配字符串的开始。 |
| $ | 匹配字符串的结束。 |
| \ | 转义 |
| * | 重复零次或者更多次。 |
| + | 重复一次或者更多次。 |
| ？ | 重复零次或者一次。 |
| {n} | 重复n次。 |
| {n,} | 重复n次或者更多次。 |
| {n,m} | 重复N次到M次。 |
| [] | 匹配没有预定义的元字符。 |
| **\ | ** |
| () | 分组. |
| \W | 匹配任意不是字母，数字，下划线，汉字的字符。(反义) |
| \S | 匹配任意不是空白符的字符。 |
| \D | 匹配任意不是数字的字符。 |
| \B | 匹配任意不是单词开头或者结束的字符。 |
| [\^x] | 匹配除了x以外的任意字符。 |
| \1 | 引用组名，比如: \b(\w+)\b\s+\1\b, \1代表 (
\w+) |
| (?\w+) | 定义组别名，word就是\w+的别名。使用\k 引用表达式。也可以将<>换成''单引号。 |
| (?=exp) | 前断言，查找某些内容(但并不包括这些内容)之前或者之后的内容。比如 (?=ing),查找的字符串是 I'm singing while you're dancing.,那得到的结果是 sing和danc。 |
| (?<=exp) | 表示后断言。 |
| (?#comment) | 注释。 |
| *? | 重复任意次，但尽量少重复。 |
| +? | 重复一次+，但尽量少重复。 |
| ?? | 重复0次或者一次，但尽量少重复。 |
| {n,m}? | 重复n到m次，但尽量少重复 |
| {n,}? | 重复n+次，但尽量少重复。 |
总结
暂时就到这，后面做爬虫的时候有什么添加的规则再完善。
欢迎长按下图 -> 识别图中二维码或者微信扫一扫关注我的公众号
