006 - 5分钟快速学会正规表达式

一、什么是正则表达式

正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），是计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

许多程序设计语言都支持利用正则表达式进行字符串操作。

简单来说正则表达式就是一个模板，可以用它匹配寻找到我们所需要的内容，如邮件格式，手机号码的格式要求。

二、正则表达式快速入门

正则表达式的规则很多，对于初学者来说要记住的内容太多。其实可以先掌握几个基本就够用了，多应用几次后再了解其他，就比较快了。

掌握4个符号 : . * + ? ()

1. . 匹配除“\n”之外的任意字符
2. * 匹配前一个字符0次或无限次
3. ? 匹配前一个字符0次或1次
4. + 匹配前一个字符1次或无限次
5. () 当我们需要一段内容的时候就用括号包围起来，不需要的内容放在括号外。

.* 贪心算法，匹配出最大满足条件的。就是能匹配到最大的字符串就取到最大的。
.*? 非贪心算法，匹配最小的满足条件的，多次。

以下可以放到熟悉一段时间后了解，写出来备查。

\ 转义字符，使后一个字符改变原来的意思
[] 字符集，对应的位置可以是字符集中的任一个字符

\d 数字[0-9]
\D 非数字[^\d]
\s 空白字符
\S 非空白字符

{m} 匹配前一个字符0次或1次
{m,n} 匹配前一个字符m次~n次

如果要匹配出这段网页的中的图片的链接

正则表达式就是这样：

img src="(.*?)" class="lessonimg"

括号里就是我们要取的内容。

三、Python正则表达式使用

掌握一个方法：findall(): 匹配所有符合规律的内容，返回包含结果的列表。

import re  #引入正则表达式

# 匹配出网页中的title标签中的内容
title = re.findall('<title>(.*?)</title>',myhtml)  

# 循环遍历出来
for ti in title:
    print ti

以下方法用得较少，可以放到后面再理解。

search():
匹配并提取第一个符合规律的内容，返回一个正则表达式对象

sub(): 
替换符合规律的内容，返回替换后的值