python爬虫正则表达式教程（详解Python正则表达式）

正则表达式（regular expression）就是用一组由字母和符号组成的“表达式”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如表达式“xy+” 描述的特征是“一个 ‘x’ 和 至少一个 ‘y' ”，那么‘xy',‘xyy', ‘xyyyyyyy'都符合这个特征。

正则表达式主要应用场景验证字符串是否符合指定特征，比如验证用户名或密码是否符合要求、是否是合法的邮件地址等；
用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便；
用来替换，比普通的替换更强大。
正则表达式的规则
（1）普通字符字母、数字、汉字、下划线、以及没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。
例1：表达式 “c”，在匹配字符串 “abcde” 时，匹配结果是：成功；匹配到的内容是：“c”；匹配到的位置是：开始于2，结束于3。（包含开始位置，不包含结束位置）例2：表达式 "bcd"，在匹配字符串"abcde"时，匹配结果是：成功；匹配到的内容是："bcd"；匹配到的位置是：开始于1，结束于4。（2）转义字符一些不便书写的字符，采用在前面加“\” 的方法。例如制表符、换行符等；
一些有特殊用处的标点符号，在前面加“\” 后，代表该符号本身。例如{,}, [, ], /, \, +, *, ., $, ^, |, ? 等；

转义字符的匹配方法与“普通字符”类似，也是匹配与之相同的一个字符。
例如：表达式 "\$d"，在匹配字符串 "abc$de" 时，匹配结果是：成功；匹配到的内容是："$d"；匹配到的位置是：开始于3，结束于5。
（3）能够与 '多种字符' 匹配的表达式正则表达式中的一些表示方法，可以匹配 ‘多种字符’ 中的任意一个字符。例如，表达式"\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。

例如：表达式 "\d\d"，在匹配 "abc123" 时，匹配的结果是：成功；匹配到的内容是："12"；匹配到的位置是：开始于3，结束于5。
（4）自定义能够匹配 '多种字符' 的表达式
使用方括号 [ ] 包含一系列字符，能匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能匹配其中字符之外的任意一个字符。虽然可以匹配其中任意一个，但是只能是一个，不是多个。

例如：表达式 "[bcd][bcd]" 匹配 "abc123" 时，匹配的结果是：成功；匹配到的内容是："bc"；匹配到的位置是：开始于1，结束于3。
（5）修饰匹配次数的特殊符号

例如：表达式 "\d+\.?\d*" 在匹配 "It costs $12.5" 时，匹配的结果是：成功；匹配到的内容是："12.5"；匹配到的位置是：开始于10，结束于14。
（6）一些代表抽象意义的特殊符号

例1：表达式 "^aaa" 在匹配 "xxxaaaxxx" 时，匹配失败。因为 "^" 要求与字符串开始的地方匹配，只有当 "aaa" 位于字符串的开头的时候，"^aaa" 才能匹配，比如："aaaxxxxxx"。例2：表达式 "aaa$"在匹配 "xxxaaaxxx" 时，匹配失败。因为"$" 要求与字符串结束的地方匹配，只有当"aaa"位于字符串的结尾的时候，"aaa$"才能匹配，比如："xxxxxxaaa"。例3：表达式 "Tom|Jack"在匹配字符串 "I'mTom, he is Jack" 时，匹配结果是：成功；匹配到的内容是："Tom"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack"；匹配到的位置时：开始于15，结束于19。例4：表达式 "(go\s*)+"在匹配 "Let'sgo gogo!"时，匹配结果是：成功；匹配到内容是："gogogo"；匹配到的位置是：开始于6，结束于14。例5：表达式 "￥(\d+\.?\d*)"在匹配 "＄10.9,￥20.5"时，匹配的结果是：成功；匹配到的内容是："￥20.5"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是："20.5"。思考题：写出满足下列要求的正则表达式仅含6位数字的字符串  
18位身份证号码（最后一位可能包含X）
密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)
匹配次数中的贪婪与非贪婪在使用修饰匹配次数的特殊符号时，如“?”,“*”, “+”等，可以使同一个表达式能够匹配不同的次数，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配，这种匹配原则就叫作"贪婪" 模式 。例如，针对文本“dxxxdxxxd”，下列表达式匹配结果如下。

在修饰匹配次数的特殊符号后再加上一个"?" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 "不匹配"。这种匹配原则叫作"非贪婪" 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。例如，针对文本“dxxxdxxxd”，下列表达式匹配结果如下。

Python中的正则表达式库 - rere库是Python的标准库，不需要额外安装，主要用于字符串匹配
调用方式：import re
re 库采用raw string类型表示正则表达式，rawstring是不包含对转义符再次转义的字符串。例如:r'[1‐9]\d{5}’
re库也可以采用string类型表示正则表达式，但更繁琐，例如“'[1‐9]\\d{5}'”
当正则表达式包含转义符时，建议使用raw string
re库的主要功能函数

注意group()和groups()的区别，一个是返回匹配的字符串，一个是返回各部分匹配内容组成的元组。当表达式中没有圆括号时，groups()返回的是空元组，当存在圆括号时，有几个圆括号groups()返回的元组里就有几个元素。

以上就是“python爬虫正则表达式教程（详解Python正则表达式）”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。