正則表達(dá)式雖然不是python語言，但在python爬蟲中卻有著普遍的應(yīng)用，可以說沒有正則表達(dá)式的爬蟲是一個(gè)沒有靈魂的爬蟲，話不多說，直接上干貨！

成都創(chuàng)新互聯(lián)公司專注于企業(yè)全網(wǎng)營銷推廣、網(wǎng)站重做改版、方山網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、H5網(wǎng)站設(shè)計(jì)、電子商務(wù)商城網(wǎng)站建設(shè)、集團(tuán)公司官網(wǎng)建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為方山等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

首先介紹一個(gè)驗(yàn)證正則表達(dá)式的在線平臺(tái)：https://regex101.com/

　　高亮部分即為提取到的內(nèi)容。

• 元字符

  1. \d 匹配所有數(shù)字
  2. \w 匹配所有數(shù)字、字母、下劃線
  3. \D 除了數(shù)字以外的內(nèi)容
  4. \W 除了數(shù)字、字母、下劃線以外的內(nèi)容
  5. \S 匹配所有非空白
  6. [a,b,c] 匹配a，b，c的內(nèi)容
  7. [^a,b,c] 匹配除了a，b，c的內(nèi)容
  8. \s 匹配空白
  9. \b 匹配單個(gè)單詞邊界

• 量詞

  1. 元字符+ 元字符出現(xiàn)1次或多次（等同于{1, }）
  2. 元字符* 前面的元字符出現(xiàn)0次或多次，盡可能多的拿到數(shù)據(jù)（等同于{0, }）
  3. 元字符? 前面的元字符出現(xiàn)0次或一次

• 匹配字符

  1. 數(shù)字 [0-9]
  2. 小寫字母 [a-z]
  3. 大寫字母 [A-Z]
  4. 特殊字符 [\特殊字符]

• ^

  1. 放在區(qū)間里表示取反
     1. [^0-9] 表示匹配非數(shù)字
     2. [^a-z] 表示匹配非小寫字母
  2. 放在區(qū)間外面表示匹配字符串開頭（^python 表示以python開頭的內(nèi)容）

1. $ 匹配字符串結(jié)尾（python$ 表示以python結(jié)尾的單詞）
2. ？
   1. 可以出現(xiàn)也可以不出現(xiàn)（colou?r 可以同時(shí)匹配color、colour）
   2. 轉(zhuǎn)換為非貪婪模式（\d{8,9}? 默認(rèn)會(huì)匹配8和9位的數(shù)字，加上?后，只匹配8位的數(shù)字）
3. . 除了換行符以外的任意內(nèi)容
4. {數(shù)字} 指定匹配次數(shù)（\d{9}指匹配9位數(shù)的數(shù)字）
5. {數(shù)字，數(shù)字} 指定匹配區(qū)間（\d{4, }指匹配4位以上的數(shù)字）

• 惰性匹配

  1. .* 匹配最遠(yuǎn)的字符
  2. .*? 匹配最近的字符（惰性匹配）
  3. 字符串：今天晚上一起吃雞呀（匹配：晚上.*?吃雞）　　結(jié)果：晚上一起吃雞

• 分組

1. 加括號(hào)就可分組(提取號(hào)碼：0731-的區(qū)號(hào)和正真的電話號(hào)碼　　結(jié)果：\d{4}-\d{7})
2. eg：
   holle
   (.*?)
   不加括號(hào)是提取不出來的
3. | 或則條件 （.jpg|.gif|.jpeg|.png）表示匹配這幾種后綴的圖片格式
4. 非捕獲分組 （?:表達(dá)式）

• 分組的回溯引用

1. 提取標(biāo)簽中的文字 提示ge1:破壞標(biāo)簽，將改為
   結(jié)果：<(\w+)>(.*?) \1 就為了保證和第一個(gè)分組一致
2. eg2:編寫代碼匹配符合ab ba 結(jié)果：(\w)(\w)\2\1
3. 環(huán)視/欲搜索

eg：在 我喜歡你 我喜歡 我喜歡我 喜歡 喜歡你

正向先行斷言（?=表達(dá)式） 取出喜歡，喜歡的后面必須有”你“

反向先行斷言 喜歡(?!你) 即喜歡后面沒有”你“

正向后行斷言(?<=我)喜歡(?=你) 喜歡的前面右”我“，后面有”你“

反向后行斷言(?

本文均自己整理，時(shí)間也比較趕，可能有的地方會(huì)存在問題，可以評論留言，看到了就會(huì)改。