Python爬蟲之正則表示式（1）
阿新 • • 發佈：2018-11-27
廖雪峰正則表示式學習筆記
1：用\d可以匹配一個數字；用\w可以匹配一個字母或數字；
- '00\d' 可以匹配‘007’，但是無法匹配‘00A’;
- ‘\d\d\d’可以匹配‘010’；
- ‘\w\w\d’可以匹配‘py3’;
2：.可以匹配任意字元；
'py.'可以匹配'pyc'、'pyo'、'py!'等等。
3：在正則表示式中，要匹配變長字元：
- 用*表示任意個字元（包括0個）；
- 用+表示至少一個字元；
- 用？表示0個或1個字元；
- 用｛n｝表示n個字元；
- 用｛n,m｝表示n-m個字元；
- 用 \s 可以匹配一個空格（也包括Tab等空白符）；
- ‘-’是特殊字元，在正則表示式中，用‘\’轉義；
4：複雜例子：\d{3}\s+\d{3,8}
- \d{3}表示匹配3個數字，例如‘010’；
- \s+表示至少一個空格，例如匹配‘ ’，‘ ’等；
- \d{3, 8}表示3-8個數字，例如‘1234567’；
5：要做更精確地匹配，可以用[]表示範圍
-
[0-9a-zA-Z\_]可以匹配一個數字、字母或者下劃線； -
[0-9a-zA-Z\_]+可以匹配至少由一個數字、字母或者下劃線組成的字串，比如'a100'，'0_Z'，'Py3000'等等； -
[a-zA-Z\_][0-9a-zA-Z\_]*可以匹配由字母或下劃線開頭，後接任意個由一個數字、字母或者下劃線組成的字串，也就是Python合法的變數； -
[a-zA-Z\_][0-9a-zA-Z\_]{0, 19}更精確地限制了變數的長度是1-20個字元（前面1個字元+後面最多19個字元）。
A|B可以匹配A或B，所以(P|p)ython可以匹配'Python'或者'python'。
^表示行的開頭，^\d表示必須以數字開頭。
$表示行的結束，\d$表示必須以數字結束。