文章目錄
1.正則表達式：RE(regular expression)。（W）
▪用來簡潔表達一組字符串的表達式
▪通用的字符串表達框架
▪針對字符串表達"簡潔"和"特徵"思想的工具
▪判斷某字符串的特徵歸屬
2.爲什麼使用正則表達式？（W）
●簡潔
3.如何使用正則表達式？（H）
編譯：將符合正則表達式語法的字符串轉換成正則表達式特徵。（使用re庫）
bs4模塊通過css selector定位html標籤爬取數據，而正則表達式通過字符串匹配html標籤爬取數據。
4.正則表達式的語法：
由字符和操作符構成
5.正則表達式的常用操作符：
. 表示任何單個字符
[ ] 字符集，對單個字符給出取值範圍 如：[abc]：a、b、c，[a-z]：a到z單個字符
[^ ](非) 非字符集,對單個字符給出排除範圍 如：[^abc]：非a/b/c的單個字符
* 前一個字符0次或無限次擴展 如：abc*：ab/abc/abcc/abccc......
+ 前一個字符1次或無限次拓展 如：abc+：abc/abcc/abccc.....
? 前一個字符0次或1次拓展 如：abc?：ab/abc
| (或) 左右表達式任意一個 如：abc|def：abc/def
{m} 擴展前一個字符m次 如：ab{2}c：abbc
{m,n} 擴展前一個字符m-n次, (m,n] 如：ab{1,2}c：abc/abbc
^ 匹配字符串開頭 如：^abc表示abc且且且在一個字符串的開頭
$ 匹配字符串結尾 如：abc$表示abc且且且在一個字符串的結尾
() 分組標記,內部只能使用|操作符 如：(abc):abc,(abc|def)：abc/def
\d 數字，等價於[0-9]
\w 單詞字符，等價於[A-Za-z0-9_] 任一字母、數字或下劃線(單詞字符)
\s 空白字符，例如空格、製表符、換行符等，等價於[\f\n\r\t\v]
（\D=\^d）
6.正則表達式實例：
^[A-Za-z]+$ 由26個字母組成的字符串
^[A-Za-z0-9]+$ 由26個字母和數字組成的字符串
^-?\d+$ 整數形式的字符串
^[0-9]*[1-9][0-9]*$ 正整數形式的字符串
[1-9]\d{5} 中國境內郵政編碼，6位
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|d{4}-\d{7} 國內電話號碼
[a-zA-Z]+://[^\s]*[.com|.cn] 匹配.com/.cn後綴的url地址
7.正則表達式的表示類型：
re庫採用raw String 類型表示正則表達式，表示爲：r’text’
●raw String（原生字符串類型）：不包含轉義符的字符串。
建議：當正則表達式中包含 轉義符 時，使用raw String類型。（不繁瑣）
8.re庫主要功能函數：
re.search(pattern,string,flags=0)：在字符串中搜索與正則表達式一樣的地方，返回第一個匹配上的內容，爲match對象。
re.match(pattern,string,flags=0)：只在開始位置匹配，是則返回match對象，否則返回none。（從頭）
re.findall(pattern,string,flags=0)：搜索字符串，返回所有匹配上的內容，類型爲字符串列表或元組列表
re.split(pattern,string,maxsplit=0,flags=0)：將一個字符串按照正則表達式匹配結果進行分割，返回列表類型
re.sub(pattern,repl,string,count=0,flags=0)：查找匹配並替換
re.compile(pattern,flags=0)：將正則表達式的字符串形式編譯成正則表達式對象（面向對象）
pattern：raw String/String, string：待匹配字符串, flags：正則表達式使用時的控制標記
maxsplit：最大分割數，剩餘部分作爲最後一個元素輸出。(maxsplit=1,則只分割一個)
repl：替換匹配字符串的字符串。count：匹配的最大替換次數
flags：
re.I re.IGNORECASE 忽略正則表達式的大小寫，[A-Z]能夠匹配小寫字符
re.M re.MULTILINE 正則表達式中的^操作符能夠將給定字符串的每行當作匹配開始
re.S re.DOTALL 正則表達式中的.操作符能夠匹配所有字符
9.match對象：
match對象的屬性：
（1）.string：待匹配的文本
（2）.re：匹配時使用的pattern對象（正則表達式）
（3）.pos：正則表達式搜索文本的開始位置
（4）.endpos：正則表達式搜索文本的結束位置
match對象的方法：
（1）.group(n)：group(0)輸出全部子匹配，group(n)輸出第n個括號的匹配結果
（2）.start（）：匹配字符串在原始字符串的開始位置
（3）.end（）：匹配字符串在原始字符串的結束位置
（4）.sparn（）：返回(.start(),.end())
10.貪婪匹配和最小匹配：
Re庫默認採用貪婪匹配，即輸出匹配最長的字符串。
最小匹配操作符：（在貪婪匹配的基礎上）
?、+?、??、{m,n}?
.?代表匹配任意字符。此處的?是非貪婪模式匹配(懶惰模式)，一旦找到能匹配的字符就完成一次匹配，即最短距離匹配。
如果不加?則爲貪婪模式匹配，.*進行最長距離匹配
11.子匹配與分組：
子匹配：()。
分組：一個正則表達式中可存在多個（）/子匹配，把括號內的子匹配作爲匹配返回結果。
若只需要獲得子匹配的結果，可以使用re.findall方法，search和match都要返回完整匹配。
當只有一個括號(分組)時，findall返回類型爲字符串列表，當存在兩個及以上括號(分組)時，findall返回類型爲元組的列表。
