主要用于网页爬虫

正则表达式对象

re.RegexObject

re.compile() 返回 RegexObject 对象。

re.MatchObject

• start() 返回匹配开始的位置
• end() 返回匹配结束的位置
• span() 返回一个元组包含匹配 (开始,结束) 的位置
• group() 返回被 RE 匹配的字符串。
• .string 返回要匹配的字符串

符号说明

• ()：用于创建一个捕获组
  • 可以用来对一个子模式进行分组，以便后续可以对这个组内的内容进行匹配或提取，如(six|four)th匹配的是sixth或fourth，不加小括号，就是匹配six或fourh；
  • 可以用于指定一组模式中的选择项。例如 (a|b) 表示匹配 a 或 b。
• []：用于创建一个字符集
  • 可以指定一个字符集中允许的字符，例如 [abc] 表示匹配字符 a、b、c 中的任意一个。
  • 可以使用范围表示，比如 [0-9] 表示匹配任意一个数字字符。
  • 可以指定字符集的取反，用 ^，例如 [^abc] 表示匹配除了 a、b、c 之外的任意字符。
• {}：用于指定匹配重复次数。
  • 可以用来指定一个模式重复出现的次数，比如 {3} 表示匹配 3 次，{2,4} 表示匹配 2 到 4 次。
  • 可以指定具体的次数，也可以指定范围。
  • 一般与 *、+、? 等修饰符一起使用，用来控制重复匹配的次数。

匹配

基础匹配

由于模式字符串中有大量的反斜杠和特殊字符，建议加r，如r’\b\w*\b’

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符 “\n” ，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[.\n]	匹配包括 ‘\n’ 在内的任何字符
[…]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，‘m’或’k’
[^…]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}	匹配n个前面表达式。例如，"o{2}“不能匹配"Bob"中的"o”，但是能匹配"food"中的两个o。
re{ n,}	精确匹配n个前面表达式。例如，"o{2,}“不能匹配"Bob"中的"o”，但能匹配"foooood"中的所有o。"o{1,}“等价于"o+”。"o{0,}“则等价于"o*”。
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b	匹配a或b
(re)	匹配括号内的表达式，也表示一个组
(?imx)	正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx)	正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re)	类似 (…), 但是不表示一个组
(?imx: re)	在括号中使用i, m, 或 x 可选标志
(?-imx: re)	在括号中不使用i, m, 或 x 可选标志
(?#…)	注释.
(?= re)	前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re)	前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re)	匹配的独立模式，省去回溯。

模式	描述
\w	匹配数字字母下划线
\W	匹配非数字字母下划线
\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	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等。	匹配一个换行符。匹配一个制表符, 等
\1…\9	匹配第n个分组的内容。
\10	匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

import re
#简单python匹配
pattern1="cat"
pattern2="bird"
strting = "a cat"
print(pattern1 in string)
print(pattern2 in string)
#正则寻找配对
pattern1="cat"
pattern2="bird"
strting = "a cat"
print(re.search(pattern1,string))
print(re.search(pattern2,string))

特殊种类匹配

#匹配run or ran
ptn = "r[au]n"#没有r只是普通的表达式
ptn = r"r[au]n"#有r表示是一个表达式
ptn2 = r"r[0-9a-z]n"#中间的数可能是0-9的数字或者a-z的小写
print(re.search(ptn,'a cat runs'))#数字 
\d：所有数字形式
print(re.search(r"r\dn",'a cat r4ns'))
\D：不是数字的形式
print(re.search(r"r\Dn",'a cat runs'))#空白
\s：任意空白符的键\t \n \r \f \v
print(re.search(r"r\sn",'r\nn r4ns'))
\S：不是空白符的形式
print(re.search(r"r\Sn",'r\nn r4ns'))#所有汉字、字母、数字、“_”
\w：a-z 0-9 _
print(re.search(r"r\wn",'r\nn r4ns'))
\W：相反意义
print(re.search(r"r\Wn",'r\nn r4ns'))#空白字符
\b：字符的前后空白符才匹配
print(re.search(r"\bruns\b",'dog runs to cat'))
print(re.search(r"\bruns\b",'dog  runs  to cat'))
\B：字符前后的空白符不限量
print(re.search(r"\B runs \B",'dog     runs      to cat'))#特殊字符 任意字符
\\：匹配\
print(re.search(r"runs\\",'dog runs\ to cat'))
.：匹配任意字符，除了\n