正则表达式

正则表达式介绍

正则表达式，你可以把它当作是通配符的增强版，它所做的事情就是去帮你匹配指定规则的字符串。

而且它在计算机中的应用可能远比你想象的要多的多：

1. 我们平时编译器中的词法分析器，会使用正则表达式去匹配代码中的关键字。
2. 网站上的注册表单会用到正则表达式去判断密码的复杂程度。
3. 在爬虫中，我们同样可以用正则表达式去提取我们需要的信息。

在线测试工具： https://regex101.com/

基础用法

限定符

• ?符：它代表前面的这个字符出现0次或1次，也就是可有可与。
• *符：它会去匹配0个或者【多】个字符。
• +符：它会匹配出现【1】次以上的字符。
• {}符：它可以指定字符出现的次数。

“或” 运算符

• “或” 运算符用 ‘｜’ 来表示。

字符类

• ()符：它可以用来多个字符来使用限定符的匹配。
• []符：方括号里的内容代表要求匹配的字符只能取自于它们。
• [a-zA-Z]：表示大小写英文字母，所以英文字符。
• [0-9]：表示数字。
• [^0-9]符：如果在方括号前面写上一个尖号(脱字符)，则代表要匹配除了尖号后面列出的【以外】的字符(包含换行符)。 # 数字以外的字符

元字符

正则表达式中大多数元字符都是以反斜杠开头

• \d：代表数字字符，等同于[0-9]。
• \D：非数字字符。
• \w：代表“单词“字符，也就是所有的英文字符、数字加上下划线。
• \W：非“单词”字符。
• \s：代表空白字符(包含Tab和换行符)。
• \S：非空白字符。
• .符：.点在正则表达式中也是一个特殊字符，代表任意字符但不包含换行符。
• ^符：匹配行首。
• $符：匹配行尾。

高级概念

贪婪与懒惰匹配

在*、+、{}匹配字符的时候，默认会去匹配尽可能多的字符。只要在后面加上？就变成了懒惰匹配。
比如：

import re

# 去匹配html标签
str1 = '<span><b>This is a sample text</b></span>'

str2 = re.findall('<.+>', str1)
str3 = re.findall('<.+?>', str1)

print(str2)  # ['<span><b>This is a sample text</b></span>']
print(str3)  # ['<span>', '<b>', '</b>', '</span>']