工具：https://tool.oschina.net/
学习视频:Python进阶-正则表达式
正则表达式是用于字符串提取,在爬虫、数据分析中经常使用到
一、re模块常用函数
match、group
result=re.match(正则表达式，匹配的字符串) reusult=group（）#提取数据
二、表达方式字符
| . | 表示任意字符，除了n |
|---|---|
| [ ] | 列举字符,[1,2,3,4,5] |
| d | 表示数字类型 |
| D | 表示非数字类型 |
| s | 空格类型 |
| S | 非空格 |
| w | 表示单词类型 |
| W | 非单词类型 |
【】->[^129] 表示的是不是1、2、9这三个数 【a-z5-9】 表示范围
三、描述量
| * | + | ？ | {m} | {m,} | {m,n} |
|---|---|---|---|---|---|
| 任意一个字符出现了n次 | 出现了n>=1 | 出现一次或0次 | 出现m次 | 至少出现m次 | 前一个字符号出现m~n次 |
r=re.match{"d*","a"}
r.group(1)
结果：' '
#d提取的是数字类型，*提取n次,不过目标不是数字
#所以'a'='''a'，前面有一个‘’空白给正则表达式了
re.match{"\\abc",s}==\abc#在这里想拿到\abc却要用4个会比较麻烦
#原因：在使用正则时，把默认为了转义字符了，所以要用double个
解决办法：
re.match{r“\abc”,s}#使用一个r
四、边界区分
| ^ | $ | b | B |
|---|---|---|---|
| 匹配字符串的开头 | 匹配结尾 | 匹配一个单词的边界 | 匹配一个非单词的边界 |
（r"^w+ sbveb", "ho ve r")=="ho ve"） （r"^.+ bveb", "ho ve r")=="ho ve"）
五、匹配分组（扩展）
| I | （ab） | num | (?p | |
|---|---|---|---|---|
| 表达式或语句 | 将括号中字符作为分组 | 引用分组num匹配到字符串 | 给分组其别名 | 引用别名到字符串中 |
六、re库的其他函数
1、Search函数：搜索
2、findall函数：统计
3、Sub函数：替换
re=re.sub(r"d+",'888',"Python=123") 结果：python=888
4、split函数：切割字符串
re.split(r":| " ,"info:wupeilin 18 year") print (ret) 结果：info wupeilin 18 year
七、贪婪模式**
为什么会出现贪婪模式？因为在正则表达式里，会尽可能的满足公式，这样的话，就会出现“数据爬多或者结构混乱”
解决办法：
使用？将贪婪模式转变成非贪婪模式
s=“This is a nnumber 234-23-34-2” re.match(r".+(d+-d+-d+-d+)",s) r.group() 结果： 234-23-34-2 ②re.match(r"（.+）(d+-d+-d+-d+)",s) 结果：‘This is a nnumber 23’ ‘4-23-34-2’ #（.+）取任意字符至少1个，从This~nnumber， #因为贪婪模式，尽可能在满足表示式的前提下，爬取更多的信息，所以到23才停下来 #接下来就是d+的主场了，继续爬取消息 ③re.match(r"（.+？）(d+-d+-d+-d+)",s) 结果：‘This is a nnumber ’ ‘234-23-34-2’ #在（.+）加上个‘？’，将贪婪模式关闭掉，这样的话，就可以在ber上，正则表达式转化为（d+-d+-~~）
