爬虫必备正则re模块

re模块

*正则表达式

1、 . 匹配除换行符以外的任意字符

2、 \w 匹配 数字 字母下划线 \W 匹配非数字、字母、下划线

3、 \s 匹配任意的空白符 \S 匹配非空白符

4、 \d 匹配数字 \D 匹配非数字

5、 \n 匹配一个换行符

6、 \t 匹配一个制表符

7、 ^ 匹配字符串的开始

8、 $ 匹配字符串的结尾

9、 a|b 匹配字符a或者字符b

10、 () 匹配括号内的表达式，也表示一个组

11、 [...] 匹配字符组中的字符

12、 [ ^. . .] 匹配除了字符组中的所有字符

 

量词：控制前面的元字符出现的次数

1、 * 0次或者更多次

2、 + 重复一次或者更多次

3、 ？ 重复0次或者一次

4 、 {n} 重复n次

5、 {n，} 重复n次或者更多次

6、 {n，m} 重复n次到m次

 

* 贪婪匹配和惰性匹配

1、 .* 尽可能多的匹配

2、 .*? 尽可能少的匹配字符

（这两个是写爬虫非常需要用到的）