Python爬蟲學習第一天--正則表達式

　　

正則表達式
　　字符串規則過濾匹配（re模塊）
　　tool.oschina.net#在線測試正則表達式

　　re.match(pattern,string,flags)
　　pattern#正則表達式
　　string#匹配的字符串

　　flags#標誌位
　　　　re.I 使匹配對大小寫不敏感
　　　　re.L 作本地化識別（locale-aware）匹配
　　　　re.M 多行匹配，影響 ^ 和 $
　　　　re.S 使 . 匹配包括換行在內的全部字符
　　　　re.U 根據Unicode字符集解析字符。這個標誌影響 \w, \W, \b, \B.
　　　　re.X 該標誌經過給予你更靈活的格式以便你將正則表達式寫得更易於理解
　　　　re.match(pattern,string,flags).span()#匹配範圍
　　　　re.match(pattern,string,flags).group(num)#匹配所需的目標內容

　　　　re.search(pattern,string,flags)# 掃描整個字符串並返回第一個成功的匹配。
　　　　re.match只匹配字符串的開始，若是字符串開始不符合正則表達式，則匹配失敗，函數返回None；而re.search匹配整個字符串，直到找到一個匹配。

　　re.findall(string[, pos[, endpos]])#在字符串中找到正則表達式所匹配的全部子串，並返回一個列表，若是沒有找到匹配的，則返回空列表。
　　　　pos匹配開始位置
　　　　endpos匹配結束位置

　　注意： match 和 search 是匹配一次 findall 匹配全部。

　　re.sub(pattern, repl, string, count=0, flags=0)#替換

　　repl#替換的字符串
　　count#替換的次數，0全部替換

　　re.compile(pattern[, flags])#compile 函數用於編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數使用。

正則表達式模式
　　^ 匹配字符串的開頭
　　$ 匹配字符串的末尾。
　　. 匹配任意字符，除了換行符，當re.DOTALL標記被指定時，則能夠匹配包括換行符的任意字符。
　　[...] 用來表示一組字符,單獨列出：[amk] 匹配 'a'，'m'或'k'
　　[^...] 不在[]中的字符：[^abc] 匹配除了a,b,c以外的字符。
　　re* 匹配0個或多個的表達式。
　　re+ 匹配1個或多個的表達式。
　　re? 匹配0個或1個由前面的正則表達式定義的片斷，非貪婪方式
　　re{ n} 精確匹配 n 個前面表達式。例如， o{2} 不能匹配 "Bob" 中的 "o"，可是能匹配 "food" 中的兩個 o。
　　re{ n,} 匹配 n 個前面表達式。例如， o{2,} 不能匹配"Bob"中的"o"，但能匹配 "foooood"中的全部 o。"o{1,}" 等價於 "o+"。"o{0,}" 則等價於 "o*"。
　　re{ n, m} 匹配 n 到 m 次由前面的正則表達式定義的片斷，貪婪方式
　　a| b 匹配a或b
　　(re) 匹配括號內的表達式，也表示一個組
　　(?imx) 正則表達式包含三種可選標誌：i, m, 或 x 。隻影響括號中的區域。
　　(?-imx) 正則表達式關閉 i, m, 或 x 可選標誌。隻影響括號中的區域。
　　(?: re) 相似 (...), 可是不表示一個組
　　(?imx: re) 在括號中使用i, m, 或 x 可選標誌
　　(?-imx: re) 在括號中不使用i, m, 或 x 可選標誌
　　(?#...) 註釋.
　　(?= re) 前向確定界定符。若是所含正則表達式，以 ... 表示，在當前位置成功匹配時成功，不然失敗。但一旦所含表達式已經嘗試，匹配引擎根本沒有提升；模式的剩餘部分還要嘗試界定符的右邊。
　　(?! re) 前向否認界定符。與確定界定符相反；當所含表達式不能在字符串當前位置匹配時成功
　　(?> re) 匹配的獨立模式，省去回溯。
　　\w 匹配字母數字及下劃線
　　\W 匹配非字母數字及下劃線
　　\s 匹配任意空白字符，等價於 [\t\n\r\f].
　　\S 匹配任意非空字符
　　\d 匹配任意數字，等價於 [0-9].
　　\D 匹配任意非數字
　　\A 匹配字符串開始
　　\Z 匹配字符串結束，若是是存在換行，只匹配到換行前的結束字符串。
　　\z 匹配字符串結束
　　\G 匹配最後匹配完成的位置。
　　\b 匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 能夠匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
　　\B 匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
　　\n, \t, 等. 匹配一個換行符。匹配一個製表符。等
　　\1...\9 匹配第n個分組的內容。
　　\10 匹配第n個分組的內容，若是它經匹配。不然指的是八進制字符碼的表達式。