轉載：https://blog.csdn.net/skyeyesxy/article/details/50837984

1.正則表達式的常用符號與方法

常用符號：點號，星號，問號與括號（小括號）

• （.）:匹配任意字符，換行符\n除外
• （*）:匹配前一個字符0次或無限次
• （?）:匹配前一個字符0次或1次
• （.*）:貪心算法
• （.*?）:非貪心算法
• ( ):括號內的數據作為結果返回

常用方法：re.findall， re.search， re.sub

• findall：匹配所有符合規律的內容，返回包含結果的列表
• search：匹配並提取第一個規律的內容，返回一個正則表達式對象(object)
• sub：替換符合規律的內容，返回替換後的值

2.舉例說明

1)findall

a.點號（.）

>>import re
a = ‘xz123‘
b = re.findall(‘x.‘, a)
print（b）
>>輸出 [‘xz‘]

############點.是一個占位符，一個.代表一個符號

b.星號（*）

>>import re
a = ‘xyxy123‘
b = re.findall(‘x*‘, a)
print b
>>

• 輸出[‘x‘, ‘‘, ‘x‘, ‘‘, ‘‘, ‘‘, ‘‘, ‘‘]

############依次匹配字符，有則顯示，無則顯示‘‘(空)。

c.問號(?)

>>import re
a = ‘xy123‘
b = re.findall(‘x?‘, a)
print b
 

• 單獨與*一樣，前面附加其他的符號將做非貪心限制

d.貪心(.*)

import re
secret_code = ‘ghkj08hs68xxIxxa14kgj4w314exxlovexxbvk14rgjhxxyouxxfj4286ykjhag2‘
b = re.findall(‘xx.*xx‘, secret_code)
print b

• 輸出[‘xxIxxa14kgj4w314exxlovexxbvk14rgjhxxyouxx‘]

只要滿足條件全部顯示，貪心算法

e.非貪心(.*?)

b = re.findall(‘xx.*?xx‘, secret_code)

• 輸出[‘xxIxx‘, ‘xxlovexx‘, ‘xxyouxx‘]

以上只做了解，一般只用（.*?）

f.經典用法(.*?)

b = re.findall(‘xx(.*?)xx‘, secret_code)

• 輸出[‘I‘, ‘love‘, ‘you‘]

()包圍所需要的內容，括號內的內容作為結果返回，不需要的內容放在括號外面

2)re.S

import re
secret_code = ‘‘‘ghkj08hs68xxIxxa14kgj4w314exxlove
xxbvk14rgjhxxyouxxfj4286ykjhag2‘‘‘
#love後有換行符
b = re.findall(‘xx(.*?)xx‘, secret_code)
print b

• 輸出[‘I‘, ‘bvk14rgjh‘]，因為.不能匹配換行符。所以會一行為一個搜索項去找。匹配任何字符除了新的一行

import re
secret_code = ‘‘‘ghkj08hs68xxIxxa14kgj4w314exxlove
xxbvk14rgjhxxyouxxfj4286ykjhag2‘‘‘
#love後有換行符
b = re.findall(‘xx(.*?)xx‘, secret_code, re.S)
print b
>>輸出[‘I‘, ‘love\n‘, ‘you‘]，re.S讓.匹配所有行，包括了換行符（以\n的形式出現

4)sub

import re
s = ‘123abcssfasdfas123‘
output = re.sub(‘123(.*?)123‘, ‘123789123‘, s)
print output
>>

• 輸出123789123
• sub將符合條件的()內內容提換

6)compile用法

import re
secret_code = ‘‘‘ghkj08hs68xxIxxa14kgj4w314exxlove
xxbvk14rgjhxxyouxxfj4286ykjhag2‘‘‘
pattern = ‘xx(.*?)xx‘
new_pattern = re.compile(pattern, re.S)
b = re.findall(new_pattern, secret_code)
print b

因為findall自動調用compile方法，所以不先編譯規律compile再匹配

7)匹配純數字(\d+)

import re
a = ‘dfhkgh43gfhja873y5t2167715‘
b = re.findall(‘(\d+)‘, a)
print b

>>

• 輸出[‘43‘, ‘873‘, ‘5‘, ‘2167715‘]

關於python爬蟲經常要用到的一些Re.正則表達式