正则表达式虽然不是python语言，但在python爬虫中却有着普遍的应用，可以说没有正则表达式的爬虫是一个没有灵魂的爬虫，话不多说，直接上干货！
首先介绍一个验证正则表达式的在线平台：https://regex101.com/
高亮部分即为提取到的内容。
- 元字符
- \d 匹配所有数字
- \w 匹配所有数字、字母、下划线
- \D 除了数字以外的内容
- \W 除了数字、字母、下划线以外的内容
- \S 匹配所有非空白
- [a,b,c] 匹配a，b，c的内容
- [^a,b,c] 匹配除了a，b，c的内容
- \s 匹配空白
- \b 匹配单个单词边界
- 量词
- 元字符+ 元字符出现1次或多次（等同于{1, }）
- 元字符* 前面的元字符出现0次或多次，尽可能多的拿到数据（等同于{0, }）
- 元字符? 前面的元字符出现0次或一次
- 匹配字符
- 数字 [0-9]
- 小写字母 [a-z]
- 大写字母 [A-Z]
- 特殊字符 [\特殊字符]
- ^
- 放在区间里表示取反
- [^0-9] 表示匹配非数字
- [^a-z] 表示匹配非小写字母
-
放在区间外面表示匹配字符串开头（^python 表示以python开头的内容）
-
$ 匹配字符串结尾（python$ 表示以python结尾的单词）
- ？
- 可以出现也可以不出现（colou?r 可以同时匹配color、colour）
- 转换为非贪婪模式（\d{8,9}? 默认会匹配8和9位的数字，加上?后，只匹配8位的数字）
- . 除了换行符以外的任意内容
- {数字} 指定匹配次数（\d{9}指匹配9位数的数字）
-
{数字，数字} 指定匹配区间（\d{4, }指匹配4位以上的数字）
-
惰性匹配
- .* 匹配最远的字符
- .*? 匹配最近的字符（惰性匹配）
- 字符串：今天晚上一起吃鸡呀（匹配：晚上.*?吃鸡） 结果：晚上一起吃鸡
-
*分组
-
加括号就可分组(提取号码：0731-8283333的区号和正真的电话号码 结果：\d{4}-\d{7})
- eg：holle (.*?) 不加括号是提取不出来的
- | 或则条件 （.jpg|.gif|.jpeg|.png）表示匹配这几种后缀的图片格式
-
非捕获分组 （?:表达式）
-
*分组的回溯引用
-
提取标签中的文字ge1:破坏标签，将改为
结果： - eg2:编写代码匹配符合ab ba 结果：(\w)(\w)\2\1
- 环视/欲搜索
eg：在 我喜欢你 我喜欢 我喜欢我 喜欢 喜欢你
正向先行断言（?=表达式） 取出喜欢，喜欢的后面必须有”你”
反向先行断言 喜欢(?!你) 即喜欢后面没有”你”
正向后行断言(?
反向后行断言(?
本文均自己整理，时间也比较赶，可能有的地方会存在问题，可以评论留言，看到了就会改。
Original: https://www.cnblogs.com/xiaozebuxiao/p/15863331.html
Author: 小泽不小
Title: python 爬虫 中的正则表达式
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/815049/
转载文章受原作者版权保护。转载请注明原作者出处！