在學習爬蟲的過程中，正則表達式能夠幫助我們根據(jù)某些復雜的規(guī)則去處理復雜的字符串，它是一個特殊的字符序列，在Python中，系統(tǒng)自帶的re模塊包含了正則表達式的全部功能，下面我們進入正則表達式的學習。
1. 元字符
正則表達式的結(jié)構(gòu)由普通字符和元字符組成，普通字符就是我們?nèi)粘Ｊ褂玫奈谋咀址?，而元字符有它特定的含義，具有匹配信息的功能。
常用的正則表達式元字符如下表格：
| 元字符 | 功能 |
\ | 轉(zhuǎn)義符，表示位于‘\’之后的為轉(zhuǎn)義字符。 |
. | 任意一個字符 |
? | 匹配‘?’前面的字符一次或零次 |
+ | 匹配‘+’前面的字符一次或多次 |
* | 匹配‘*’前面的字符零次或多次 |
- | 用在[]之內(nèi)用來表示范圍 |
^ | 匹配行首，匹配以^后面的字符開頭的字符串 |
$ | 匹配行尾，匹配以$之前的字符結(jié)束的字符串 |
() | 定義分組 |
[] | 定義字符類 |
{} | 定義量詞 |
| | 選擇符號，或關系 |
\b | 匹配單詞頭或單詞尾 |
\B | 與\b相反 |
\d | 匹配任何數(shù)字，相當于[0-9] |
\D | 與\d相反 |
\s | 匹配任何空白字符 |
\S | 與\s相反 |
\w | 匹配任何字母、數(shù)字以及下劃線，相當于[a-zA-Z0-9] |
\W | 與\w相反 |
\z | 匹配字符串結(jié)束 |
\G | 匹配最后完成的位置 |
\A | 匹配字符串開始 |
2. 元字符功能
1) 字符類[]
例如在一個列表中有‘a(chǎn)python’、‘bpython’、‘cpython’、‘dotcpp’四個元素，我們使用‘[abc]python’可以直接匹配到前面三個元素。
2) [a-zA-Z0-9]
這個可以匹配一個任意大小寫字母或者數(shù)字，等同于\w。
3) 重復 {}
如果我們使用{n},即‘pyt{}on’，只能匹配到python，使用{n,}可以匹配至少n次，使用{n,m}可以匹配至少n次，最多m次。
4) 開始于結(jié)束字符
使用‘^’和‘$’可以匹配一行字符串的開始和結(jié)束。
5) a|b
可以匹配a或者b。
6) 匹配出現(xiàn)次數(shù)
語法格式如下：
import re s = '1234567' p1 = r'\d?' print(re.search(p1,s))
可以改為\d*或\d{2,3}或d+等來進行匹配。
輸出結(jié)果為：
<re.Match object; span=(0, 1), match='1'>
由于‘？’為匹配0次或一次，所以匹配了出現(xiàn)數(shù)字一次。
3. 總結(jié)
本節(jié)我們主要總結(jié)了正則表達式里的元字符及幾種常用的功能，這些元字符在我們后續(xù)的學習中會涉及到，大家可以回過頭來參考本節(jié)的內(nèi)容。
C語言網(wǎng)提供由在職研發(fā)工程師或ACM藍橋杯競賽優(yōu)秀選手錄制的視頻教程，并配有習題和答疑，點擊了解：
一點編程也不會寫的：零基礎C語言學練課程
解決困擾你多年的C語言疑難雜癥特性的C語言進階課程
從零到寫出一個爬蟲的Python編程課程
只會語法寫不出代碼？手把手帶你寫100個編程真題的編程百練課程
信息學奧賽或C++選手的 必學C++課程
藍橋杯ACM、信息學奧賽的必學課程：算法競賽課入門課程
手把手講解近五年真題的藍橋杯輔導課程