Python爬虫（二十一）

学习Python爬虫过程中的心得体会以及知识点的整理，方便我自己查找，也希望可以和大家一起交流。

—— 正则表达式应用详解 ——

1. 简介

正则表达式：regular expression，也称regex，简称 RE

• 正则表达式是用来简洁表达一组字符串的表达式

  • 通用的字符串表达框架

  • 简洁表达一组字符串的表达式

  • 针对字符串表达“简洁”和“特征”思想的工具

  • 判断某字符串的特征归属

• 正则表达式在文本处理中十分常用

  • 表达文本类型的特征（病毒、入侵等）

  • 同时查找或替换一组字符串

  • 匹配字符串的全部或部分

• 正则表达式的使用

  • 编译：将符合正则表达式语法的字符串转换成正则式表达特征
    

2. 语法

正则表达式语法由字符和操作符构成

• 正则表达式的常用操作符

操作符	说明	实例
.	表示任何单个字符
[ ]	字符集，对单个字符给出取值范围	[abc]表示a、b、c，[a­z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次扩展	abc* 表示 ab、abc、abcc、abccc等
+	前一个字符1次或无限次扩展	abc+ 表示 abc、abcc、abccc等
?	前一个字符0次或1次扩展	abc？表示 ab、abc
|	左右表达式任意一个	|abc|def 表示 abc、def
{m}	扩展前一个字符m次	ab{2}c 表示 abbc
{m,n}	扩展前一个字符m至n次（含n）	ab{1,2}c 表示 abc、abbc
^	匹配字符串开头	^abc 表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$ 表示abc且在一个字符串的结尾
( )	分组标记，内部只能使用 | 操作符	(abc) 表示abc，(abc|def) 表示 abc、def
\d	数字，等价于[0­-9]
\w	单词字符，等价于[A­-Z，a­-z，0­-9]

正则表达式实例

经典正则表达式实例

匹配IP地址的正则表达式

IP地址字符串形式的正则表达式（IP地址分分4段，每段0­255） \d+.\d+.\d+.\d+ \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3} 不精确

精确写法

0­-99: [1­-9]?\d 100-­199: 1\d{2} 200-­249: 2[0­-4]\d 250-­255: 25[0­-5]
(([1-9]?\d|1\d{2}|2[0-­4]\d|25[0­-5]).){3}([1-­9]?\d|1\d{2}|2[0-­4]\d|25[0-­5])