python 爬虫之正则表达式 一看就会！！

前言

正则表达式在几乎所有语言中都可以使用，无论是前端的JavaScript、还是后端的Java、c#。他们都提供相应的接口/函数支持正则表达式。

1.元字符

元字符是构造正则表达式的一种基本元素。

如下表格是几个常用的元字符：

有了元字符以后，我们就可以利用这些元字符来写一些简单的正则表达式了，例如：

1. 匹配有abc开头的字符：

   1\babc或者^abc
   

2. 匹配8位数字的QQ号码：

   1^\d\d\d\d\d\d\d\d$
   

3. 匹配1开头11位数字的手机号码：

   1^1\d\d\d\d\d\d\d\d\d\d$
   

2.重复限定符

为了处理一堆连七八糟而且重复的问题，利用正则表达四中一些重复限定符，把重复部分用合适的限定符代替。

如下表格是一些常用的限定符：

有了这些限定符之后，我们就可以对之前的正则表达式进行改造了，例如：

1. 匹配8位数字的QQ号码：

   1^\d{8}$
   

2. 匹配1开头11位数字的手机号码：

   1^1\d{10}$
   

3. 匹配银行卡号是14~18位的数字：

   1^\d{14,18}$
   

4. 匹配以a开头的，0个或多个b结尾的字符串

   1^ab*$
   

3.分组

从上面的例子“4”来看，*限定符的作用在于他左边最近的一个字符，如果我们想要ab同时被 * 限定，我们就会用到——分组。
正则表达式中用小括号（）来做分组，也就是括号中的内容作为一个整体。
例如：

1. 匹配字符串中包含0到多个ab开头：

   1^(ab)*
   

4.转义

如果要匹配的字符串中本身就包含小括号的情况，正则表达式提供了转义的方式，也就是要把这些元字符、限定符或者关键字转义成普通的字符，就是要在转义的字符前加个斜杠，也就是“\”即可。

例如：

1. 要匹配以（ab）开头：

   1^(\(ab\))*
   

5.条件或

正则用符号|来表示或，也叫做分支条件，当满足正则里的分支条件的任何一种条件时，都会当成是匹配成功。

例如：

1^(130|131|132|155|156|185|186|145|176)\d{8}$

6.区间

正则提供一个元字符中括号[ ] 来表示区间条件。

1. 限定0到9 可以写成 [0-9]
2. 限定A-Z 写成 [A-Z]
3. 限定某些数字 [165]

例如：

1^((13[0-2])|(15[56])|(18[5-6])|145|176)\d{8}$

正则表达式的基本用法就讲到这里了，其实它还有非常多的知识点以及元字符，我们在此只列举了部分元字符和语法来讲，看完本篇文章之后，即使你不能写出高大上的正则，至少也能写一些简单的正则或者看得懂别人写的正则了。