、校驗數字的表達式

1. 數字：^[0-9]*$

2. n位的數字：^\d{n}$

3. 至少n位的數字：^\d{n,}$

4. m-n位的數字：^\d{m,n}$

5. 零和非零開頭的數字：^(0|[1-9][0-9]*)$

6. 非零開頭的最多帶兩位小數的數字：^([1-9][0-9]*)+(.[0-9]{1,2})?$

7. 帶1-2位小數的正數或負數：^(\-)?\d+(\.\d{1,2})?$

8. 正數、負數、和小數：^(\-|\+)?\d+(\.\d+)?$

9. 有兩位小數的正實數：^[0-9]+(.[0-9]{2})?$

10. 有1~3位小數的正實數：^[0-9]+(.[0-9]{1,3})?$

11. 非零的正整數：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$

12. 非零的負整數：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$

13. 非負整數：^\d+$ 或 ^[1-9]\d*|0$

14. 非正整數：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$

15. 非負浮點數：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$

16. 非正浮點數：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$

17. 正浮點數：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$

18. 負浮點數：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$

19. 浮點數：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

二、校驗字符的表達式

1. 漢字：^[\u4e00-\u9fa5]{0,}$

2. 英文和數字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$

3. 長度為3-20的所有字符：^.{3,20}$

4. 由26個英文字母組成的字符串：^[A-Za-z]+$

5. 由26個大寫英文字母組成的字符串：^[A-Z]+$

6. 由26個小寫英文字母組成的字符串：^[a-z]+$

7. 由數字和26個英文字母組成的字符串：^[A-Za-z0-9]+$

8. 由數字、26個英文字母或者下劃線組成的字符串：^\w+$ 或 ^\w{3,20}$

9. 中文、英文、數字包括下劃線：^[\u4E00-\u9FA5A-Za-z0-9_]+$

10. 中文、英文、數字但不包括下劃線等符號：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$

11. 可以輸入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+ 12 禁止輸入含有~的字符：[^~\x22]+

其它：

.*匹配除 \n 以外的任何字符。

/[\u4E00-\u9FA5]/ 漢字

/[\uFF00-\uFFFF]/ 全角符號

/[\u0000-\u00FF]/ 半角符號

三、特殊需求表達式

1. Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

2. 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?

3. InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$

4. 手機號碼：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$

5. 電話號碼("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$

6. 國內電話號碼(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}

7. 身份證號(15位、18位數字)：^\d{15}|\d{18}$

8. 短身份證號碼(數字、字母x結尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$

9. 帳號是否合法(字母開頭，允許5-16字節，允許字母數字下劃線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

10. 密碼(以字母開頭，長度在6~18之間，只能包含字母、數字和下劃線)：^[a-zA-Z]\w{5,17}$

11. 強密碼(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在8-10之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$

12. 日期格式：^\d{4}-\d{1,2}-\d{1,2}

13. 一年的12個月(01～09和1～12)：^(0?[1-9]|1[0-2])$

14. 一個月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$

15. 錢的輸入格式：

16. 1.有四種錢的表示形式我們可以接受:"10000.00" 和 "10,000.00", 和沒有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$

17. 2.這表示任意一個不以0開頭的數字,但是,這也意味著一個字符"0"不通過,所以我們采用下面的形式：^(0|[1-9][0-9]*)$

18. 3.一個0或者一個不以0開頭的數字.我們還可以允許開頭有一個負號：^(0|-?[1-9][0-9]*)$

19. 4.這表示一個0或者一個可能為負的開頭不為0的數字.讓用戶以0開頭好了.把負號的也去掉,因為錢總不能是負的吧.下面我們要加的是說明可能的小數部分：^[0-9]+(.[0-9]+)?$

20. 5.必須說明的是,小數點后面至少應該有1位數,所以"10."是不通過的,但是 "10" 和 "10.2" 是通過的：^[0-9]+(.[0-9]{2})?$

21. 6.這樣我們規定小數點后面必須有兩位,如果你認為太苛刻了,可以這樣：^[0-9]+(.[0-9]{1,2})?$

22. 7.這樣就允許用戶只寫一位小數.下面我們該考慮數字中的逗號了,我們可以這樣：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$

23 8.1到3個數字,后面跟著任意個 逗號+3個數字,逗號成為可選,而不是必須：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$

24. 備注：這就是最終結果了,別忘了"+"可以用"*"替代如果你覺得空字符串也可以接受的話(奇怪,為什么?)最后,別忘了在用函數時去掉去掉那個反斜杠,一般的錯誤都在這里

25. xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$

26. 中文字符的正則表達式：[\u4e00-\u9fa5]

27. 雙字節字符：[^\x00-\xff] (包括漢字在內，可以用來計算字符串的長度(一個雙字節字符長度計2，ASCII字符計1))

28. 空白行的正則表達式：\n\s*\r (可以用來刪除空白行)

29. HTML標記的正則表達式：<(\S*?)[^>]*>.*?</>|<.*? /> (網上流傳的版本太糟糕，上面這個也僅僅能部分，對于復雜的嵌套標記依舊無能為力)

30. 首尾空白字符的正則表達式：^\s*|\s*$或(^\s*)|(\s*$) (可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式)

31. 騰訊QQ號：[1-9][0-9]{4,} (騰訊QQ號從10000開始)

32. 中國郵政編碼：[1-9]\d{5}(?!\d) (中國郵政編碼為6位數字)

33. IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址時有用)

34. IP地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))

35. IP-v4地址：\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\b (提取IP地址時有用)
36. 校驗IP-v6地址:(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
37. 子網掩碼：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
38. 校驗日期:^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$(“yyyy-mm-dd“ 格式的日期校驗，已考慮平閏年。)
39. 抽取注釋：<!--(.*?)-->
40. 查找CSS屬性:^\s*[a-zA-Z\-]+\s*[:]{1}\s[a-zA-Z0-9\s.#]+[;]{1}
41. 提取頁面超鏈接:(<a\s*(?!.*\brel=)[^>]*)(href="https?:\/\/)((?!(?:(?:www\.)?'.implode('|(?:www\.)?', $follow_list).'))[^" rel="external nofollow" ]+)"((?!.*\brel=)[^>]*)(?:[^>]*)>
42. 提取網頁圖片:\< *[img][^\\>]*[src] *= *[\"\']{0,1}([^\"\'\ >]*)
43. 提取網頁顏色代碼:^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$
44. 文件擴展名效驗:^([a-zA-Z]\:|\\)\\([^\\]+\\)*[^\/:*?"<>|]+\.txt(l)?$
45. 判斷IE版本：^.*MSIE [5-8](?:\.[0-9]+)?(?!.*Trident\/[5-9]\.0).*$

作者 | ZhaoYingChao88

來源 | runoob.com/regexp/regexp-tutorial.html

 (?<= # 斷言要匹配的文本的前綴
 <(\w+)> # 查找尖括號括起來的字母或數字(即HTML/XML標簽)
 ) # 前綴結束
 .* # 匹配任意文本
 (?= # 斷言要匹配的文本的后綴
 <\/\1> # 查找尖括號括起來的內容：前面是一個"/"，后面是先前捕獲的標簽
 ) # 后綴結束

< #最外層的左括號
 [^<>]* #最外層的左括號后面的不是括號的內容
 (
 (
 (?'Open'<) #碰到了左括號，在黑板上寫一個"Open"
 [^<>]* #匹配左括號后面的不是括號的內容
 )+
 (
 (?'-Open'>) #碰到了右括號，擦掉一個"Open"
 [^<>]* #匹配右括號后面不是括號的內容
 )+
 )*
 (?(Open)(?!)) #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗
> #最外層的右括號

在

你已經會使用 python 模擬瀏覽器

進行一些 Http 的請求了

那么請求完之后

服務器返回給我們一堆源代碼

我們可不是啥都要的啊

我們是有原則的

我們想要的東西

怎么能一股腦的啥都往自己兜里塞呢？

使不得

使不得

所以

在服務器返回給我們的源碼之中

我們要過濾

拿到我們想要的就好

其它就丟一旁

那么

我們就需要學會怎么使用

正則表達式

通過它

我們才能過濾出我們想要的內容

...

接下來就是

學習 python 的正確姿勢

真香警告

這篇文章不適合急性子的人看，要不然會把手機砸了的！但是，如果你能看完，那么正則表達式對你來說，算個 p 的難度啊？

其實

正則表達式不僅僅適用于 python

很多編程語言

很多地方都會使用到正則

試想一下

如何從下面這段字符串中快速檢索所有的數字出來呢？

zui12shu234ai45der6en7sh88ixia7898os0huaib

簡單來說

正則表達式就是定義一些特殊的符號

來匹配不同的字符

比如

\d

就可以代表

一個數字，等價于 0-9 的任意一個

那么你肯定想知道

其它的特殊符號表示的啥意思吧？

恩

就不告訴你

本篇完

再見

這是各種符號的解釋

字符描述\將下一個字符標記為一個特殊字符（File Format Escape，清單見本表）、或一個原義字符（Identity Escape，有^$()*+?.[\{|共計12個)、或一個向后引用（backreferences）、或一個八進制轉義符。例如，“n”匹配字符“n”。“\n”匹配一個換行符。序列“\”匹配“\”而“\(”則匹配“(”。^匹配輸入字符串的開始位置。如果設置了RegExp對象的Multiline屬性，^也匹配“\n”或“\r”之后的位置。$匹配輸入字符串的結束位置。如果設置了RegExp對象的Multiline屬性，$也匹配“\n”或“\r”之前的位置。*匹配前面的子表達式零次或多次。例如，zo*能匹配“z”、“zo”以及“zoo”。*等價于{0,}。+匹配前面的子表達式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價于{1,}。?匹配前面的子表達式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等價于{0,1}。{n}n是一個非負整數。匹配確定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的兩個o。{n,}n是一個非負整數。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等價于“o+”。“o{0,}”則等價于“o*”。{n,m}m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o。“o{0,1}”等價于“o?”。請注意在逗號和兩個數之間不能有空格。?非貪心量化（Non-greedy quantifiers）：當該字符緊跟在任何一個其他重復修飾符（*,+,?，{n}，{n,}，{n,m}）后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串“oooo”，“o+?”將匹配單個“o”，而“o+”將匹配所有“o”。.匹配除“\r”“\n”之外的任何單個字符。要匹配包括“\r”“\n”在內的任何字符，請使用像“(.|\r|\n)”的模式。(pattern)匹配pattern并獲取這一匹配的子字符串。該子字符串用于向后引用。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用>貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串“oooo”，“o+?”將匹配單個“o”，而“o+”將匹配所有“o”。.匹配除“\r”“\n”之外的任何單個字符。要匹配包括“\r”“\n”在內的任何字符，請使用像“(.|\r|\n)”的模式。(pattern)匹配pattern并獲取這一匹配的子字符串。該子字符串用于向后引用。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用“\(”或“\)”。可帶數量后綴。(?:pattern)匹配pattern但不獲取匹配的子字符串（shy groups），也就是說這是一個非獲取匹配，不存儲匹配的子字符串用于向后引用。這在使用或字符“(|)”來組合一個模式的各個部分是很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表達式。(?=pattern)正向肯定預查（look ahead positive assert），在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。(?!pattern)正向否定預查（negative assert），在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始(?<=pattern)反向（look behind）肯定預查，與正向肯定預查類似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。(?<!pattern)反向否定預查，與正向否定預查類似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。x|y沒有包圍在()里，其范圍是整個正則表達式。例如，“z|food”能匹配“z”或“food”。“(?:z|f)ood”則匹配“zood”或“food”。[xyz]字符集合（character class）。匹配所包含的任意一個字符。例如，“[abc]”可以匹配“plain”中的“a”。特殊字符僅有反斜線\保持特殊含義，用于轉義字符。其它特殊字符如星號、加號、各種括號等均作為普通字符。脫字符^如果出現在首位則表示負值字符集合；如果出現在字符串中間就僅作為普通字符。連字符 - 如果出現在字符串中間表示字符范圍描述；如果如果出現在首位（或末尾）則僅作為普通字符。右方括號應轉義出現，也可以作為首位字符出現。[^xyz]排除型字符集合（negated character classes）。匹配未列出的任意字符。例如，“[^abc]”可以匹配“plain”中的“plain”。[a-z]字符范圍。匹配指定范圍內的任意字符。例如，“[a-z]”可以匹配“a”到“z”范圍內的任意小寫字母字符。[^a-z]排除型的字符范圍。匹配任何不在指定范圍內的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范圍內的任意字符。[:name:]增加命名字符類（named character class）[注 1]中的字符到表達式。只能用于<…屬性。要匹配圓括號字符，請使用“\(”或“\)”。可帶數量后綴。(?:pattern)匹配pattern但不獲取匹配的子字符串（shy groups），也就是說這是一個非獲取匹配，不存儲匹配的子字符串用于向后引用。這在使用或字符“(|)”來組合一個模式的各個部分是很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表達式。(?=pattern)正向肯定預查（look ahead positive assert），在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。(?!pattern)正向否定預查（negative assert），在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始(?<=pattern)反向（look behind）肯定預查，與正向肯定預查類似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。(?<!pattern)反向否定預查，與正向否定預查類似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。x|y沒有包圍在()里，其范圍是整個正則表達式。例如，“z|food”能匹配“z”或“food”。“(?:z|f)ood”則匹配“zood”或“food”。[xyz]字符集合（character class）。匹配所包含的任意一個字符。例如，“[abc]”可以匹配“plain”中的“a”。特殊字符僅有反斜線\保持特殊含義，用于轉義字符。其它特殊字符如星號、加號、各種括號等均作為普通字符。脫字符^如果出現在首位則表示負值字符集合；如果出現在字符串中間就僅作為普通字符。連字符 - 如果出現在字符串中間表示字符范圍描述；如果如果出現在首位（或末尾）則僅作為普通字符。右方括號應轉義出現，也可以作為首位字符出現。[^xyz]排除型字符集合（negated character classes）。匹配未列出的任意字符。例如，“[^abc]”可以匹配“plain”中的“plain”。[a-z]字符范圍。匹配指定范圍內的任意字符。例如，“[a-z]”可以匹配“a”到“z”范圍內的任意小寫字母字符。[^a-z]排除型的字符范圍。匹配任何不在指定范圍內的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范圍內的任意字符。[:name:]增加命名字符類（named character class）[注 1]中的字符到表達式。只能用于方括號表達式。[=elt=]增加當前locale下排序（collate）等價于字符“elt”的元素。例如，[=a=]可能會增加?、á、à、?、?、?、?、?、a、?、?、?、?、ǎ、?、?、?、?、?、?、?、?、ā、?、?、?、?、?、?、?、?、?、?、ɑ 。只能用于方括號表達式。[.elt.]增加排序元素（collation element）elt到表達式中。這是因為某些排序元素由多個字符組成。例如，29個字母表的西班牙語， "CH"作為單個字母排在字母C之后，因此會產生如此排序“cinco, credo, chispa”。只能用于方括號表達式。\b匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。\B匹配非單詞邊界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。\cx匹配由x指明的控制字符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字符。控制字符的值等于x的值最低5比特（即對3210進制的余數）。例如，\cM匹配一個Control-M或回車符。\ca等效于\u0001, \cb等效于\u0002, 等等...\d匹配一個數字字符。等價于[0-9]。注意Unicode正則表達式會匹配全角數字字符。\D匹配一個非數字字符。等價于[^0-9]。\f匹配一個換頁符。等價于\x0c和\cL。\n匹配一個換行符。等價于\x0a和\cJ。\r匹配一個回車符。等價于\x0d和\cM。\s匹配任何空白字符，包括空格、制表符、換頁符等等。等價于[ \f\n\r\t\v]。注意Unicode正則表達式會匹配全角空格符。\S匹配任何非空白字符。等價于[^ \f\n\r\t\v]。\t匹配一個制表符。等價于\x09和\cI。\v匹配一個垂直制表符。等價于\x0b和\cK。\w匹配包括下劃線的任何單詞字符。等價于“[A-Za-z0-9_]”。注意Unicode正則表達式會匹配中文字符。\W匹配任何非單詞字符。等價于“[^A-Za-z0-9_]”。\xnn十六進制轉義字符序列。匹配兩個十六進制數字nn表示的字符。例如，“\x41”匹配“A”。“\x041”則等價于“\x04&1”。正則表達式中可以使用ASCII編碼。.\num向后引用（back-reference）一個子字符串（substring），該子字符串與正則表達式的第num個用括號圍起來的捕捉群（capture group）子表達式（subexpression）匹配。其中num是從1開始的十進制正整數，其上限可能是9[注 2]、31[注 3]、99甚至無限[注 4]。例如：“(.)”匹配兩個連續的相同字符。\n標識一個八進制轉義值或一個向后引用。如果\n之前至少n個獲取的子表達式，則n為向后引用。否則，如果n為八進制數字（0-7），則n為一個八進制轉義值。\nm3位八進制數字，標識一個八進制轉義值或一個向后引用。如果\nm之前至少有nm個獲得子表達式，則nm為向后引用。如果\nm之前至少有n個獲取，則n為一個后跟文字m的向后引用。如果前面的條件都不滿足，若n和m均為八進制數字（0-7），則\nm將匹配八進制轉義值nm。\nml如果n為八進制數字（0-3），且m和l均為八進制數字（0-7），則匹配八進制轉義值nml。\unUnicode轉義字符序列。其中n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（?）。

（來自維基百科）

你能看到這里

也是

不知道你看懵逼了沒？

反正我是不想看了

接下來

才是干貨

小帥b就給你精簡一下

通俗的把最常用的匹配告訴你

字符描述\d代表任意數字，就是阿拉伯數字 0-9 這些玩意。\D大寫的就是和小寫的唱反調，\d 你代表的是任意數字是吧？那么我 \D 就代表不是數字的。\w代表字母，數字，下劃線。也就是 a-z、A-Z、0-9、_。\W跟 \w 唱反調，代表不是字母，不是數字，不是下劃線的。\n代表一個換行。\r代表一個回車。
\f代表換頁。\t代表一個 Tab 。
\s代表所有的空白字符，也就是上面這個：\n、\r、\t、\f。\S

跟 \s 唱反調，代表所有不是空白的字符。

\A代表字符串的開始。\Z代表字符串的結束。^匹配字符串開始的位置。$匹配字符創結束的位置。.代表所有的單個字符，除了 \n \r[...]代表在 [] 范圍內的字符，比如 [a-z] 就代表 a到z的字母[^...]跟 [...] 唱反調，代表不在 [] 范圍內的字符{n}
匹配在 {n} 前面的東西，比如: o{2} 不能匹配 Bob 中的 o ，但是能匹配 food 中的兩個o。{n,m}匹配在 {n,m} 前面的東西，比如：o{1,3} 將匹配“fooooood”中的前三個o。{n，}匹配在 {n,} 前面的東西，比如：o{2,} 不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。*和 {0,} 一個樣，匹配 * 前面的 0 次或多次。 比如 zo* 能匹配“z”、“zo”以及“zoo”。+和{1，} 一個樣，匹配 + 前面 1 次或多次。 比如 zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。？和{0,1} 一個樣，匹配 ？前面 0 次或 1 次。
a|b匹配 a 或者 b。（）匹配括號里面的內容。

ok

知道了這些之后

我們怎么用 python 來進行判斷呢？

那就要使用到 python 的庫了

它就是

re

接下來我們就來使用 re 模塊

對其常用的方法

來使用正則表達式

re.match

使用這個方法

主要傳入兩個參數

第一個就是我們的匹配規則

第二個就是需要被過濾的內容

例如

我們想要從這

Xiaoshuaib has 100 bananas

拿到一個數字

那么我們就可以這樣

import re
content = 'Xiaoshuaib has 100 bananas'
res = re.match('^Xi.*(\d+)\s.*s$',content)
print(res.group(1))

通過我們剛剛說的匹配符號

可以定義出相應的匹配規則

在這里我們將我們需要的目標內容用 () 括起來

此刻我們獲得結果是

0

那么如果我們想要 100 這個數字呢？

可以這樣

import re
content = 'Xiaoshuaib has 100 bananas'
res = re.match('^Xi.*?(\d+)\s.*s$',content)
print(res.group(1))

看出區別了么

第二段代碼我們多了一個 ？符號

在這里呢

涉及到兩個概念

一個是

貪婪匹配

另一個是

非貪婪匹配

所謂貪婪匹配

就是我們的第一段代碼

一個數一個數都要去匹配

而非貪婪呢

我們是直接把 100 給匹配出來了

剛剛我們用到的

.*？

是我們在匹配過程中最常使用到的

表示的就是匹配任意字符

但是

.*？的 . 代表所有的單個字符，除了 \n \r

如果我們的字符串有換行了

怎么辦呢？

比如這樣

content = """Xiaoshuaib has 100 
bananas"""

那么我們就需要用到 re 的匹配模式了

說來也簡單

直接用 re.S 就可以了

import re
content = """Xiaoshuaib has 100 
bananas"""
res = re.match('^Xi.*?(\d+)\s.*s$',content,re.S)
print(res.group(1))

可能有些朋友會覺得

匹配一個東西還要寫開頭結尾

有點麻煩

那么就可以使用 re 的另一個方法了

re.search

它會直接去掃描字符串

然后把匹配成功的第一個結果的返回給你

import re
content = """Xiaoshuaib has 100 
bananas"""
res = re.search('Xi.*?(\d+)\s.*s',content,re.S)
print(res.group(1))

這樣子也是可以獲取 100 的

但是如果我們的內容是這樣的

content = """Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;"""

想要獲取所有的 100 呢？

這時候就要用到 re 的另一個方法了

re.findall

通過它我們就能輕松的獲取所有匹配的內容了

import re
content = """Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;"""
res = re.findall('Xi.*?(\d+)\s.*?s;',content,re.S)
print(res)

這里的結果是

['100', '100', '100', '100']

又有朋友覺得

如果我們想直接替換匹配的內容呢

就比如剛剛的字符串

可不可以把 100 直接替換成 250 呢？

那就要用到 re 的另一個方法了

re.sub

可以這樣

import re
content = """Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;
Xiaoshuaib has 100 bananas;"""
content = re.sub('\d+','250',content)
print(content)

那么結果就變成了

Xiaoshuaib has 250 bananas;

Xiaoshuaib has 250 bananas;

Xiaoshuaib has 250 bananas;

Xiaoshuaib has 250 bananas;

250 個香蕉

吃....得完么？？

再來說說 re 的另一個常用到的方法吧

re.compile

這個主要就是把我們的匹配符封裝一下

import re
content = "Xiaoshuaib has 100 bananas"
pattern = re.compile('Xi.*?(\d+)\s.*s',re.S)
res = re.match(pattern,content)
print(res.group(1))

其實和我們之前寫的一樣的

res = re.match('^Xi.*?(\d+)\s.*s$',content,re.S)

只不過 compile 一下

便于以后復用

好了

關于 re 模塊和正則表達式就介紹完啦

知道了怎么請求數據

也知道了將返回的數據如何正則過濾

那么

爬蟲對我們來說還難么？

這次本篇真的完啦

再見

記得來關注我喲！！