Python九齿耙(Ninerake)数据采集大数据深度学习智能分析爬虫软件的正则表达式规则简介-白红宇

Python九齿耙(Ninerake)数据采集大数据深度学习智能分析爬虫软件的正则表达式规则简介

阅读量：265 次

发布时间：2019-03-01

本文共 1745 字，大约阅读时间需要 5 分钟。

正则表达式易于使用，功能强大，可用于复杂的搜索和替换以及基于模板的文本检查。这对于输入形式的用户输入验证特别有用-验证电子邮件地址等。您还可以从网页或文档中提取电话号码，邮政编码等，在日志文件中搜索复杂的模式，然后您就可以想象得到。支持用户自定义正则表达式而无需重新编译程序即可更改规则（模板）。

任何单个字符都匹配自己。

一系列字符与输入字符串中的那一系列字符匹配。

正则表达式	火柴
`foobar`	`foobar`

要在正则表达式中表示不可打印的字符，请使用\x..：

正则表达式	火柴
`\xnn`	十六进制字符 `nn`
`\x{nnnn}`	带有十六进制代码的字符`nnnn`（一个字节用于纯文本，两个字节用于Unicode）
`foo\x20bar`	`foo bar` （注意中间的空格）

有很多escape-codes针对不可打印字符的预定义，就像C语言中一样：

正则表达式	火柴
`\t`	标签（HT / TAB），与 `\x09`
`\n`	换行（NL），与 `\x0a`
`\r`	car.return（CR），与 `\x0d`
`\f`	换页（FF），与 `\x0c`
`\a`	警报（BEL），与 `\x07`
`\e`	转义（ESC），与 `\x1b`
`\cx`	控制转义序列（`Ctrl-x`）例如，`\ci`匹配目标序列 `\x09`，因为`ctrl-i`具有价值`0x09`

如果您想单独使用字符\（而不是字符）escape-code，只需在字符前加上\，例如：\\。

实际上，您可以在正则表达式中使用具有特殊含义的任何字符作为前缀（或escape）\。

正则表达式	火柴
`\^FooBarPtr`	`^FooBarPtr`
`\[a\]`	`[a]`

角色类

字符类是其中的字符列表[]。该类别与该类别中列出的任何一个字符匹配。

正则表达式	火柴
`foob[aeiou]r`	`foobar`，`foober`等，但不`foobbr`，`foobcr`等等

您可以invert在类-如果后的第一个字符[是 ^，那么类匹配任何字符，但在类中列出的字符。

正则表达式	火柴
`foob[^aeiou]r`	`foobbr`，`foobcr`等，但不`foobar`，`foober`等等

在列表中，该-字符用于指定范围，因此 a-z表示介于a和之间的所有字符z（含）。

如果你希望-自己是一个类的成员，把它在列表的开始或结束，或用反斜杠它。

如果你想]作为类的一部分，您可以将其放置在列表的开头或用反斜杠它。

有许多预定义的字符类，它们使正则表达式更加紧凑。

正则表达式	火柴
`\w`	字母数字字符（包括`_`）
`\W`	非字母数字
`\d`	数字字符（与相同`[0123456789]`）
`\D`	非数字
`\s`	任何空格（与相同）`[ \t\n\r\f]`
`\S`	一个非空间
`\h`	水平空白。标签和所有字符在“空格分隔符” Unicode类别中。
`\H`	不是水平的空格
`\v`	垂直空白。所有字符均视为 Unicode标准中的换行符。
`\V`	不是垂直空格

您可以使用\w，`\W，\d，\D，\h，\H，\v，\V，\s，\S字符串。

正则表达式	火柴
`foob\dr`	`foob1r`，`foob6r`等等，但不`foobar`，`foobbr`等等
`foob[\w\s]r`	`foobar`，，等但不，等等`foob rfoobbrfoob1rfoob=r`

注

^默认情况下，元字符与输入字符串的开头匹配。$- 结束。

但是，您可能希望将字符串视为多行文本，因此^将在字符串内的任何行分隔符之后匹配，并且$在任何行分隔符之前匹配。您可以通过切换修饰符/m来实现。

请注意，序列中没有空行\x0D\x0A。

转载地址：http://fjro.baihongyu.com/

你可能感兴趣的文章