摘要：為了逮住某個目標，你可能要寫一條長長的，看到自己都頭暈的正則表達式，看上去就像亂碼一樣。屁，學正則還不是遲早的事模塊自帶模塊，直接導入即可。匹配規(guī)則規(guī)則其實是一個原字符串如表達式表達式，較正式的叫法是模式字符串。

如果把BeautifulSopu比喻成通過線索一步步接近目標的偵探的話，那么正則表達式就是牛逼哄哄的“天眼系統(tǒng)”，只要提供一些目標的特征，無論搜索范圍多大，只要存在那么一兩個符合特征的目標，全都會被它直接逮住。

BS的爸爸，我告訴你個秘密，其實BeautifulSoup也是用正則實現(xiàn)的，而且它find_all的參數(shù)里還能接收正則呢

信息精確定位，BeautifulSoup用的是節(jié)點定位，可能會出現(xiàn)多個符合條件的節(jié)點（卻沒有目標信息）；正則是直接針對目標信息，以字符為單位匹配，一次篩選出正確結果（前提是寫好正則）

能獲取信息的部分，有時候完整的信息不是你想要的，你只想取它的某一部分，正則能搞定，BS只能先獲取完整信息再分離。

用途大著呢，不要以為正則只能爬蟲，前后端都少不了正則，你填個信息判斷是否合法這都是正則，總之學到賺到啊

這么強大的方法是不是看到都心動了，不過強大是有代價的，較難上手很難精通這兩根大棒一下子錘走了不少初學者。當時學的我是這樣的：

抽象&可讀性差。為了逮住某個目標，你可能要寫一條長長的，看到自己都頭暈的正則表達式，看上去就像亂碼一樣。舉個栗子，如果你要匹配一個ip地址，正則表達式會是這樣

匹配ip地址：((?:(?:25[0-5]|2[0-4]d|[01]?d?d).){3}(?:25[0-5]|2[0-4]d|[01]?d?d)) ——真·亂碼

編寫時出錯率高，新手很難一次寫對，需要不停地修改幾次十幾次才能pass（大腦在顫抖）

難于優(yōu)化，優(yōu)化好的正則能提高匹配速度，然而你這新手還想優(yōu)化，能匹配對就很不錯了（正則暗中偷笑）

如果有足夠的自信和毅力不被正則擊倒，那就來吧。（屁，學正則還不是遲早的事！）

python 自帶模塊，直接導入即可。有匹配，替換等方法。
思考了許久后筆者覺得還是先講表達式（規(guī)則）好，因為某些方法的理解是要了解表達式的。
下文的規(guī)則是完全版的，花了很久寫成，分享給讀者，順便當成自己的網(wǎng)上筆記。

如果你學正則只是單單用來爬蟲的話，你只要熟悉“字符匹配”，“分組&或&轉義”，“預定字符集”，“數(shù)量詞”，“非貪婪模式”和(?:)取消分組，了解（或干脆不學）“邊界匹配”，“特殊構造”就行了。

如果你覺得正則是你未來工作的剛需的話，推薦熟悉所有規(guī)則。

規(guī)則其實是一個原字符串如r"表達式"/r"表達式"，較正式的叫法是模式字符串。最后再說一句，匹配以單個字符為單位（除括號能把多個字符打包成分組（整體）來匹配）


表達式本質是字符串，不要單引（雙引）號里套單引（雙引）號，會出錯。

任一字符(空格也算)——就是匹配這個字符，某些字符因為在正則中有特殊用途需前加反斜杠轉義如 [ { . | ( ) ^ * + ? $

.——英文句號，匹配除換行符 外的任意單個字符

[]——匹配中括號里的任一字符，與-結合還能表示范圍內(nèi)的任一字符，中括號內(nèi)的字符除外會自動轉義，還有小心多個中括號嵌套錯誤

[^]——中括號最前面加^,與[ ]反義,匹配一個不在中括號里的字符，也可以用橫杠-

r"[abcd]"#匹配一個a或b或c或d
r"[0-9]"#匹配一個0至9的數(shù)，-的作用域是左右各一個字符
r"[a-z]"  r"[A-Z]"#分別匹配a到z或A到Z的一個字母
r"[12-89]"#注意因為是單字符匹配,匹配的是1，2到8的數(shù)，9（即1到9的一個數(shù)），不是12到89的數(shù)
r"[{.|()^*+?$]"#匹配 { . | ( ) ^ * + ? $ 中任一個,要轉義
r"[^a-zA-Z]"#匹配一個不是字母的字符

()——括號，表達式分組（第n組，n=1，2，3....99，從左往右數(shù)），并形成子表達式

(?P)——擁有括號的功能，但能為該分組再指定一個自定名字

(?P=name)——引用分配過名字的分組，但沒有分組功能

|——或，左右規(guī)則任意匹配一個，從左往右嘗試匹配，一旦成功就跳過后面的規(guī)則。|沒被包在括號中間的話它的作用域是整個表達式，被包的話作用域在括號內(nèi)

——反斜杠，后接功能字有符轉義功能，后接數(shù)字（1到99）有引用分組的功能，后接某些字母又有特殊功能

r"abc|def|ghi"#匹配abc或def或ghi
r"ma(?:k|d)e"#匹配make或made
r"(abc)def1"#相當于r"(abc)defabc",匹配abcdefabc
r"(?Pabc)f(?P=ok)"#為(abc)子組分配了“ok”的名字，然后再引用，匹配abcfabc

d——匹配任一個數(shù)字（0~9）

D——匹配一個非數(shù)字字符，與d互補

s——匹配一個空白字符，包括空格， , , , ,f,v

S——匹配一個非空白字符

w——匹配一個單詞字符。unicode下匹配各種語言的單個字符，單個數(shù)字，和下橫線。ASCII下匹配單個英文字母，單個數(shù)字，和下橫線

W——匹配一個非單詞字符

r"w" #能匹配"物語&ものがたり"中的：物，語，も，の，が，た，り，漢語日語的單字，其他語言同理

{n}——作用于前一個字符或子表達式，匹配它重復n次

{min,max}——作用于前一個字符或子表達式，匹配它重復重復多少次min~max次，min和max可只寫一個設置重復下限或上限，但逗號不能省，不寫min時min默認為0

*——星號，作用于前一個字符或子表達式，匹配它零次或多次

+——作用于前一個字符或子表達式，匹配它至少一次

?——作用于前一個字符或子表達式，匹配它零次或一次

r"z{3}"#匹配zzz
r"z{0,3}"#匹配z或zz或zzz
r"(?:abc){2}"#對子表達式匹配兩次，匹配abcabc，(?:)是一個用法，不分組的意思，詳看后面
#星號加號問號同理

在數(shù)量詞后接?，對前面的數(shù)量詞開啟非貪婪模式，意思就是在能匹配的前提下盡可能少的重復匹配。

正則默認開啟貪婪模式

r"<.+>"#默認貪婪，對于""能匹配到""整條，因為.貪婪地把尖括號也匹配掉了
r"<.+?>"#非貪婪，對于""能匹配到""和""

^——放在表達式的最前面，作用域是表達式，在多行模式中，在每一行匹配字符串開頭（多行模式要手動開啟，否則和A沒什么區(qū)別）

$——放在表達式的最后面，作用域是表達式，在多行模式中，在每一行匹配字符串末尾（多行模式要手動開啟，否則和沒什么區(qū)別）

A——放在表達式的最前面，作用域是表達式，匹配字符串開頭，不能多行匹配

——放在表達式的最后面，作用域是表達式，匹配字符串末尾，不能多行匹配

——不匹配字符，只匹配一個邊界，匹配w和W或W和w的邊界（單詞字符和非單詞字符的邊界）

B——不匹配字符，只匹配一個邊界，與相反，匹配w和w或W和W的邊界

r"^abc|^def"#匹配abc開頭或def開頭，開啟了多行模式時，對字符串"abcd
defh"能匹配出abc，def兩個
r"abc$|def$"#匹配abc結尾或def結尾，開啟了多行模式時，對字符串"0abc
0def"能匹配出abc，def兩個
r"Aabc"#匹配abc開頭，因為不能多行匹配，就算開啟多行模式，對字符串"abcd
abcd"只能匹配到前面的abc
#同理
r"wW"#匹配“單詞字符+非單詞字符”的結構如"a!","1%"
#B同理

(?:)——取消括號的分組功能，使其不會被findall方法捕獲

(?#)——#后寫注釋內(nèi)容，整個(?#)會被忽略

A(?=)——A之后的字符串需要匹配括號里的表達式A才會被匹配,一定用在表達式的最后（A是表達式，(?=)內(nèi)的表達式不會被匹配捕捉，下同）

A(?!)——A之后的字符串需要不匹配括號里的表達式A才會被匹配，一定用在表達式的最后

(?<=)A——A之前的字符串需要匹配括號里的表達式A才會被匹配，一定用在表達式的最前，括號內(nèi)的表達式需固定長度不能使用除{n}外的數(shù)量詞

(?——A之前的字符串需要不匹配括號里的表達式A才會被匹配，一定用在表達式的最前，括號內(nèi)的表達式需固定長度不能使用除{n}外的數(shù)量詞

r"(ab(?=cde))"#匹配后面是bcd的ab
r"a(?!d+)"#匹配后面不跟一串數(shù)字的a，后括號可用所有數(shù)量詞
r"(?<=abc)de"#匹配前面是abc的de
r"(?




(?iLmsux)——放在表達式最前面，為所在的表達式設置模式，”i”, “L”, “m”, “s”, “u”, “x”，它們不匹配任何字串，對應python中re模塊當中的(re.I, re.L, re.M, re.S, re.U, re.X)的6種模式,下面flag參數(shù)講
r"(?i)abc"#“i”對應re.I，忽略大小寫模式，能匹配Abc，ABC，abc等


方法&參數(shù)
相比于繁雜的規(guī)則，方法則要簡單多了，常用的就這幾個：


re.search(pattern,string,flags=0),返回第一個匹配的match對象（內(nèi)含匹配字符串的信息）

re.findall(pattern,string,flags=0),返回所有匹配分組的字符串組成的列表，沒設置分組相當于整個表達式就是一個分組
#如果表達式有多個分組，會返回復雜的列表，因此findall中的表達式通常只有一個分組

re.finditer(pattern,string,flags=0)，同findall功能，但是返回的是迭代器
re.findall(r"d+(abc)d+","1abc1,2abc2")#分組為(abc),findall只捕捉被數(shù)字包起來的abc返回列表["abc","abc"]
re.findall(r"((?:ab){2}d)d","abab11,abab22")#整個表達式匹配abab加一個兩位數(shù)，(?:)取消了ab的分組,findall只捕捉abab加一個數(shù)，返回列表["abab1","abab2"]

pattern = re.compile(pattern,flags=0),把規(guī)則打包返回（如多次使用該規(guī)則），相當與pattern和flag的合體，當成pattern使用可免去設置flags

re.sub(pattern,repl,string,count=0,flags)把匹配到的部分用指定字符串repl替換，count設置替換次數(shù)，默認為零替換所有

參數(shù)：


pattern：接收模式字符串，即表達式，也可以接收打包的規(guī)則

string：接收待匹配字符串，如html文檔

flags：模式（標簽），接受以下模式，多個模式用“|”分開如 flags=re.I|re.M

re.I = re.IGNORECASE ? 忽略大小寫
re.L = re.LOCALE     ? 支持當前語言,為了支持多語言版本的字符集使用環(huán)境
re.U = re.UNICODE    ? 使用w,W,b,B這些元字符時將按照UNICODE定義的屬性
re.M = re.MULTILINE  ? 開啟多行模式
re.S = re.DOTALL     ? 使.能匹配換行符

re.X = re.VERBOSE    ? 可以忽略正則表達式中的空白和#號的注釋,不匹配空格和#注釋
re.A    ?開啟ASCII模式



match對象方法
列出常用方法，下面的match是對象


match.group(id/name)id是分組序號（1~99）,name是分組的自定名字，返回指定分組的字符串；不傳參數(shù)數(shù)是返回整條匹配字符串

match.start(id/name),match.end(id/name),match.span(id/name),分別返回指定分組字符串在整個字符串中的開始位置，結束位置，范圍。



地獄之旅到這就結束了，不僅是讀者的，還是我的,お疲れ
文章過長，可能存在某些瑕疵和錯誤，歡迎提出
累成茍，最近而且要忙于學習，又被P大學事件惡心了一下，接下來的產(chǎn)能會下降，估計一個星期多一點更一次
正則慢慢學就行，正則的使用后面會有實例讓大家熟悉