• 特殊字符
• ^ $ * ? + {2} {2,} {2,5} |
• [] [^] [a-z] .
• \s \S \w \W
• [\u4E00-\u9FA5] () \d

• 常用的6個re中的函數(shù)
  re.compile(pattern,flag)#根據(jù)正則匹配字符串以及附加條件，返回一個pattern對象
  re.search(pattern,string)#搜索整個字符串，直到發(fā)現(xiàn)符合正則表達(dá)式的字符串
  re.match(pattern,string)#從頭開始檢測字符串是否符合正則表達(dá)式祟同，必須從字符串的第一個字符開始
  re.sub(pattern,replacement,string)#將字符串中根據(jù)正則匹配到的字符串用replacement替換
  re.split(pattern,string)#根據(jù)正則表達(dá)式分割字符串，將分割后的字符串放到list中返回
  re.findall(pattern,string)#根據(jù)正則表達(dá)式分割字符串亚茬，將找到的所有結(jié)果放到list中返回

• re.match()一些簡單的Python示例

import re
line = 'bobby123'
regex_str = "^b.*"#以b開頭的任意字符
if re.match(regex_str,line):
    print('yes')

import re
line = 'bobby123'
regex_str = "^b.*3$"#以b開頭以3結(jié)尾的任意字符
if re.match(regex_str,line):
    print('yes')

import re
line = 'boooooooobby123'
#regex_str = ".*(b.*b).*"# bb  ()為提取字串即提取括號內(nèi)的內(nèi)容蛹磺，其實為反向匹配，貪婪模式
regex_str = ".*?(b.*b).*"#boooooooobb 左面非貪婪模式忽妒，從左面開始匹配垃喊，后面為貪婪模式
regex_str = ".*?(b.*?b).*"#boooooooob
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'booobaaooooobbbaby123'
regex_str = ".*(b.+b).*"# +出現(xiàn)最少一次 bab 貪婪模式一直匹配到最后
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'booobaaooooobbbaaaaaaaaby123'
regex_str = ".*(b.{2,5}b).*"# {}前面字符出現(xiàn)的次數(shù),在這里為任意字符出現(xiàn)最少2次最多5次
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

import re
line = 'boobby123'
regex_str = '((bobby|boobby)123)'
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#boobby123

import re
line = 'boobby123'
regex_str = '([abcd]oobby123)'#[]為里面內(nèi)容的任何一個
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#boobby123

import re
line = '14782902222'
#regex_str = '(1[48357][0-9]{9})'#[0-9]0-9的任意數(shù)字出現(xiàn)9次  14782902222
regex_str = '(1[48357][^1]{9})'#不等于1出現(xiàn)9次
# 區(qū)間  任選  [.*]內(nèi)的字符不在代表特殊含義
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#14782902222

import re
line = '你ss好'
regex_str = '(你\S+好)'#匹配任意非空字符
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#14782902222

import re
line = 'study in 南京大學(xué)'
regex_str = '.*?([\u4E00-\u9FA5]+大學(xué))'#提取漢字,不加問號為京大學(xué)
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#南京大學(xué)

import re
line = 'XXX出生于2001年9月9日'
#line = 'XXX出生于2001/9/9'
#line = 'XXX出生于2001-9-9'
#line = 'XXX出生于2001-09-09'
#line = 'XXX出生于2001-09'
regex_str = '.*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))'#
match_obj = re.match(regex_str,line)
print(match_obj)
if match_obj:
    print(match_obj.group(1))#

• re.compile()簡要說明

##查找以id為plist并以<div class="page clearfix">結(jié)尾的代碼
#.*?是一個固定搭配猾普，.和*可以匹配任意多個字符，加上?就是最小匹配本谜，
#也就是我們上面說的非貪婪模式初家，直白的說就是匹配盡可能短的字符串
#flags定義包括：
#re.I：忽略大小寫
#re.L：表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境
#re.M：多行模式
#re.S：' . '并且包括換行符在內(nèi)的任意字符（注意：' . '不包括換行符）
#re.U： 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫
pattern1 = '<div id="plist".*?<div class="page clearfix">'
str1 = re.compile(pattern1,re.S).findall(html)#

• 正則表達(dá)式模式
  模式字符串使用特殊的語法來表示一個正則表達(dá)式：
  字母和數(shù)字表示他們自身。一個正則表達(dá)式模式中的字母和數(shù)字匹配同樣的字符串乌助。
  多數(shù)字母和數(shù)字前加一個反斜杠時會擁有不同的含義溜在。
  標(biāo)點符號只有被轉(zhuǎn)義時才匹配自身，否則它們表示特殊的含義他托。
  反斜杠本身需要使用反斜杠轉(zhuǎn)義掖肋。
  由于正則表達(dá)式通常都包含反斜杠，所以你最好使用原始字符串來表示它們赏参。模式元素(如 r'\t'志笼，等價于 '\t')匹配相應(yīng)的特殊字符。
  下表列出了正則表達(dá)式模式語法中的特殊元素把篓。如果你使用模式的同時提供了可選的標(biāo)志參數(shù)纫溃，某些模式元素的含義會改變。