码迷,mamicode.com
首页 > 其他好文 > 详细

爬虫6-正则表达式基础知识

时间:2018-04-07 01:10:56      阅读:180      评论:0      收藏:0      [点我收藏+]

标签:简洁   爬虫   字符集   类型   border   blog   字符   分组   范围   

正则表达式用来简洁表达一组字符串。

一行胜千言

如用‘PY+‘表示‘PY‘ ‘PYY‘ ‘PYYY‘ ‘PYYYY....‘等字符串

如果,以‘PY’开头,后续存在不多于10个字符,后续字符不能是‘P’或‘Y’,可以用‘PY[^PY]{0,10}’表示

 正则表达式在文本处理中十分常用:

1、表达文本类型的特征(病毒,入侵等)

2、同时查找或替换一组字符串

3、匹配字符串的全部或部分(最常用)

正则表达式的使用:

编译:将符合正则表达式语法的字符串转换成正则表达式特征

语法:由字符和操作符构成

操作符 说明 实例
. 表示单个字符  
[ ] 字符集,对单个字符给出取值范围 [abc]表示a,b,c,[a-z]表示a到z单个字符
[^  ] 非字符集,对单个字符给出排除范围 [^abc]表示非a 非b 非c的单个字符
* 前一个字符0次或无限次扩展 abc*表示ab\abc\abcc\abccc等
+ 前一个字符1次或无限次扩展 abc+表示abc\abcc\abccc等
? 前一个字符0次或1次扩展 abc?表示ab\abc
| 左右表达式任意一个 abc|def表示abc\def
{m} 扩展前一个字符m次 ab{2}表示abbc
{m,n} 扩展前一个字符m至n次 ab{1,2}c表示abc\abbc
^ 匹配字符串开头 ^abc表示abc且在一个字符串的开头
$ 匹配字符串结尾 $abc表示abc且在一个字符串的结尾
() 分组标记,内部只能使用|操作符 (abc)表示abc,(abc|def)表示abc\def
\d 数字,等价于[0-9]  
\w 单词字符,等价于[A-Za-z0-9]  

 

 

 

 

 

 

 

 

 

 

技术分享图片

技术分享图片

例子:

匹配IP地址的正则表达式

IP地址分4段,每段0-255:

\d+.\d+.\d+.\d+  或者 \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

精确的IP地址表达式:

技术分享图片

 

爬虫6-正则表达式基础知识

标签:简洁   爬虫   字符集   类型   border   blog   字符   分组   范围   

原文地址:https://www.cnblogs.com/rayshaw/p/8612906.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!