python-正则表达式

刚开始学习python解析页面的时候，就知道了常用有三种解析方式，即BeautifulSoup、Xpath、正则表达式。最开始我是用BeautifulSoup，后来学了selenium，就开始喜欢用xpath，再后来接触了scrapy，就放弃BeautifulSoup直接上xpath（BeautifulSoup学的也是皮毛，没细学）。而正则表达式也看了下，但是真的有点复杂，就没仔细研究，也几乎没用过。

然而，山水总相逢，在django配置url.py的时候，还是绕不过正则表达式。所以啊，世上本无捷径。

总结语法如下：

1、‘^’，开始字符："^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）；

2、‘$’，结束字符："of despair$"：表示所以以"of despair"结尾的字符串；

3、二者都没有："notice"：表示任何包含"notice"的字符串；

4、‘*’，表示重复前面一个字符，0次或者多次

5、‘+’，表示重复前面一个字符，1次或者多次

6、‘？’，表示重复前面一个字符，0次或者1次

7、也可以使用范围，用大括号括起，用以表示重复次数的范围：

"ab"：表示一个字符串有一个a跟着2个b（"abb"）；

"ab"：表示一个字符串有一个a跟着至少2个b；

"ab"：表示一个字符串有一个a跟着3到5个b；

8、‘|’，表示或，在两个或者多个项目中选择

9、‘.’，可以代表任意一个字符：

"a.[0-9]"：表示一个字符串有一个"a"后面跟着一个任意字符和一个数字；

"^.$"：表示有任意三个字符的字符串（长度为3个字符）；

10、‘[ ]’，表示允许其中的某一个（只是一个字符）可以出现

"[ab]"：表示一个字符串有一个"a"或"b"（相当于"a¦b"）；

"[a-d]"：表示一个字符串包含小写的'a'到'd'中的一个（相当于"a¦b¦c¦d"或者"[abcd]"）；

"^[a-zA-Z]"：表示一个以字母开头的字符串；

"[0-9]%"：表示一个百分号前有一位的数字；

",[a-zA-Z0-9]$"：表示一个字符串以一个逗号后面跟着一个字母或数字结束。

你也可以在方括号里用'^'表示不希望出现的字符，'^'应在方括号里的第一位。（如："%[^a-zA-Z]%"表示两个百分号中不应该出现字母）。

11、"\d": 匹配数字：

12、"\w"：匹配字母，数字，下划线：

例如我要匹配"a2345BCD__TTz" 正则："\w+" 这里的"+"字符为一个量词指重复的次数，稍后会详细介绍。

13、"\s"：匹配空格 ：

例如字符 "a b c" 正则："\w\s\w\s\w" 一个字符后跟一个空格，如有字符间有多个空格直接把"\s" 写成 "\s+" 让空格重复

14、反义：写法很简单改成大写就行了，意思与原来的相反

"\W" 匹配任意不是字母，数字，下划线 的字符

"\S" 匹配任意不是空白符的字符

"\D" 匹配任意非数字的字符

"\B" 匹配不是单词开头或结束的位置

"[^abc]" 匹配除了abc以外的任意字符

15、 懒惰限定符：

"*?" 重复任意次，但尽可能少重复 ：

如 "acbacb" 正则 "a.*?b" 只会取到第一个"acb" 原本可以全部取到但加了限定符后，只会匹配尽可能少的字符 ，而"acbacb"最少字符的结果就是"acb"

"+?" 重复1次或更多次，但尽可能少重复：

与上面一样，只是至少要重复1次

"??" 重复0次或1次，但尽可能少重复：

如 "aaacb" 正则 "a.??b" 只会取到最后的三个字符"acb"

"?" 重复n到m次，但尽可能少重复：

如 "aaaaaaaa" 正则 "a？" 因为最少是0次所以取到结果为空

"?" 重复n次以上，但尽可能少重复：

如 "aaaaaaa" 正则 "a？" 最少是1次所以取到结果为 "a"

上面的初级的正则规则基本可以解决大部分需求了，进阶的先不补充了。

此外，再贴一个正则的在线测试网址：http://tool.oschina.net/regex/