正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。正则表达式是由普通字符（例如字符a到z）以及特殊字符（称为“元字符”）组成的。比如‘/b’就匹配单词的开头和结尾，我们想匹配出所有以s开头的单词，那么正则表达式可以写为：\bs\w*\b。\bs\w*\b的匹配顺序：先是某个单词开始处（\b），然后是字母s，然后是任意数量的字母或数字（\w*），最后是单词结束处（\b）。

常见元字符如下：

显而易见当想要匹配元字符本身时就会出现问题，所以需要字符转义。使用“\”来取消这些字符的特殊意义。因此如果查找“.”、“\”或者“*”时，必须写成“\.”、“\\”和“\*”。比如我们想要匹配www.baidu.com时，就可以写成www\.baidu\.com

 

当某些元素重复时，需要限定符，常见限定符如下：

 

就比如上篇随笔中提到的对百度百科词条的url进行匹配：

/item/\w+

                   

 

 我觉得对我自己来说这样粗略了解正则表达式就足够了，至于之后的零宽断言，分组，贪婪等等都在需要的时候再进行学习。

———————————————————————————分———————————————界———————————————————线—————————————————————————————

 

python中的正则表达式：

Python通过re模块提供对正则表达式的支持。使用re的一般步骤是先将正则表达式的字符串形式编译为Pattern实例，然后使用Pattern实例处理文本并获得匹配结果，最后使用Match实例获得信息，进行其他操作。主要用到的方法列举如下：
re.compile（string[，flag]）
re.match（pattern，string[，flags]）
re.search（pattern，string[，flags]）
re.split（pattern，string[，maxsplit]）
re.findall（pattern，string[，flags]）
re.findit […]

 

compile函数将一个正则表达式的字符串转化为Pattern匹配对象。示例如下：

     pattern = re.compile(r'\d+')

 

links = soup.find_all('a', href=re.compile(r'/item/\w+'))

 

 

 

 (ToT)/~~~加油

PS：python版本：2.7

pycharm版本：community2020.2

 

很多很多相关内容摘自：《Python爬虫开发与项目实战》 — 范传辉 编著
在豆瓣阅读书店查看：https://read.douban.com/ebook/35093070/