还不会Python正则表达式？看这篇文章试试

今天写爬虫偶然想到了初学正则表达式时候，看过一篇文章非常不错。检索一下还真的找到了。

re模块

re.search

经常用match = re.search(pat, str)的形式。因为有可能匹配不到，所以re.search()后面一般用if statement。

re.match

re.match和re.search很相似，只是re.match是从字符串的开头开始匹配。

常用正则字符意义

• a, X, 9,等字符匹配自己, 元字符不匹配自己，因为有特殊意义，比如 . ^ $ * + ? { }[ ] \ | ( )
• . 英文句号，匹配任意字符，不包含'\n'
• \w 匹配'word'字符，[a-zA-Z0-9]
• \W 匹配非'word'字符
• \b 匹配'word'和'non-word'之间边界
• \s 匹配单个whitespace字符,space, newline, return, tab, form [\n\r\t\f]
• \S 匹配non-whitespace字符
• \t, \n, \r 匹配tab, newline, return
• \d 匹配数字[0-9]
• ^ 匹配字符串开头
• $ 匹配字符串结尾

重复

‘+’ 一或多次, ‘*’ 零或多次, ‘?’ 零或一次

方括号[]

[]类似于or

Square brackets can be used to indicate a set of chars, so [abc] matches 'a' or 'b' or 'c'.

Group Extraction圆括号()

有时候需要提取匹配字符的一部分，比如刚才的邮箱，我们可能需要其中的username和hostname，这时候可以用()分别把username和hostname包起来，就像r'([\w.-]+)@([\w.-]+)',如果匹配成功，那么pattern不改变，只是可以用match.group(1)和match.group(2)来username和hostname，match.group()结果不变。

findall and groups

()和findall()结合，如果包括一或多个group，就返回a list of tuples。

给re.search加^之后是一样的。

re.sub

re.sub(pat, replacement, str)在str里寻找和pattern匹配的字符串，然后用replacement替换。replacement可以包含\1或者\2来代替相应的group，然后实现局部替换。