正则表达式是处理字符串的强大工具，它有自己特定的语法结构，有了它，实现字符串的检索，替换，匹配验证都不在话下。
当然，对于爬虫来说，有了它，从HTML里提取想要的信息就非常方便了。
先看一下常用的匹配规则：
\w:匹配字母、数字及下划线
\W:匹配不是字母、数字及下划线
\s:匹配任意空白字符，等价于[\t\n\r\f]
\S:匹配任意非空字符
\d:匹配任意数字，等价于[0-9]
\D:匹配任意飞数字的字符
\A:匹配字符串开头
\Z:匹配字符串结尾，如果存在换行，只匹配到换行前得结束字字符串
\z:匹配字符串结尾，如果存在换行，同时还会匹配换行符
\G:匹配最后匹配完成的位置
\n:匹配一个换行符
\t:匹配一个制表符
^ 匹配一行字符串的开头
$ 匹配一行字符串的结尾
. 匹配任意字符，除了换行符
[...]:用来表示一组字符，单独列出，比如[amk]匹配a,m或k
[^...]:不在[]的字符，比如[^abc]匹配除了a,b,c的字符
*：匹配0个或多个表达式
+：匹配1个或多个表达式
？：匹配0个或一个前面的正则表达式定义的片段，非贪婪方式
{n}:精确匹配n个前面的表达式
{n:m}：匹配n到m次由前面正则表达式定义的片段，贪婪方式
a|b：匹配a或b
(): 匹配括号内的表达式，也表示一个组
python中的re模块主要有五种方法re.match(),re.search(),re.finall(),re.sub(),re.compile()
re.match():从字符串的起始位置匹配正则表达式，如果匹配，就返回匹配成功的结果
re.search():匹配时扫描整个字符串，然后返回第一个成功匹配的字符
re.findall():获取匹配正则表达式的所有内容
re.sub():修改字符串的文本
re.compile():可以将正则字符串编译成正则表达式对象
下面我们来具体看一些例子
re.match(）的详细用法：
import re con='Hello 123 4567 World_This is a Regex Demo' print(len(con)) result=re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}',con) print(result) print(result.group()) print(result.span()) result=re.match('^Hello\s(\d+)\s(\d+)\sWorld',con) print(result) print(result.group()) print(result.group(1),result.group(2)) print(result.span()) result=re.match('^Hello.*Demo',con) print(result) print(result.group()) print(result.span()) result=re.match('^He.*?(\d+).*Demo',con) print(result) print(result.group(1)) con1='http://weibo.com/comment/ltf' result1=re.match('^http.*?comment/(.*?)',con1) result2=re.match('^http.*?comment/(.*)',con1) print(result1.group(1)) print(result2.group(1)) con2='''Hello 123 4567 World_This is a Regex Demo' ''' result=re.match('Hell.*?(\d+).*?Demo',con2,re.S) print(result) print(result.group(1)) con3='(百度)www.baidu.com' result=re.match('\(百度\)www\..*?\..*',con3) print(result) print(result.group())
运行结果如下：
re的search，findall，sub，compile用法：
代码如下：
import re con='EXO hero Hello 123 4567 World_This is a Regex Demo' result=re.search('Hell.*?Demo',con) print(result) print(result.group()) html='''' <li> <input type="checkbox" value="9762@" name="Url" class="check"> <span class="songNum ">24.</span> <a target="_1" href="/play/9762.htm" class="songName ">一生有你 </a> </li> <li> <input type="checkbox" value="2247@" name="Url" class="check"> <span class="songNum ">25.</span> <a target="_1" href="/play/2247.htm" class="songName ">红豆 </a> </li> <li> <input type="checkbox" value="671@" name="Url" class="check"> <span class="songNum ">26.</span> <a target="_1" href="/play/671.htm" class="songName ">真的爱你 </a> </li> <li> <input type="checkbox" value="22985@" name="Url" class="check"> <span class="songNum ">27.</span> <a target="_1" href="/play/22985.htm" class="songName ">容易受伤的女人 </a> </li> <li> <input type="checkbox" value="649@" name="Url" class="check"> <span class="songNum ">28.</span> <a target="_1" href="/play/649.htm" class="songName ">海阔天空 </a> </li> <li> <input type="checkbox" value="1545@" name="Url" class="check"> <span class="songNum ">29.</span> <a target="_1" href="/play/1545.htm" class="songName cRed">同桌的你 </a> </li> ''' result=re.search('li.*?songNum ">(.*?)</span>.*?>(.*?)</a>',html,re.S) #print(result) #print(result.group()) print(result.group(1)) print(result.group(2)) results=re.findall('li.*?songNum ">(.*?)</span>.*?>(.*?)</a>',html,re.S) print(results) print(results[0]) conte='ahfgi123ahfuo358bjhif134' conten=re.sub('\d+',' afanti ',conte) print(conten) content1='2015-9-12 12:00' content2='2016-12-22 13:55' content3='2017-10-1 11:40' pattern=re.compile('\d{2}:\d{2}') print(pattern) result1=re.sub(pattern,'',content1) result2=re.sub(pattern,'',content2) result3=re.sub(pattern,'',content3) print(result1,result2,result3)
运行结果：
以上就是python中的正则表达式的详细用法了。