本文共 1174 字，大约阅读时间需要 3 分钟。

正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

应用：搜索引擎的核心原理就是利用正则表达式匹配搜索结果;网页爬虫

‘r’：在以’r’为前缀的字符串字面值中，反斜杠不会以任何特殊的方式处理。所以r"\n"是一个包含’'和’n’两个字符的字符串，而"\n"是包含一个换行符的单字符字符串。

‘.‘ ：字符在正则表达式代表着可以代表任何一个字符（包括它本身）

‘+’的作用是将前面一个字符或一个子表达式重复一遍或者多遍。

‘. +’ : 将.号重复一遍或者多遍，‘.’号可表示任一字符，因此合起来是代表任意长字符串。

比方说表达式“ab+”那么它能匹配到“abbbbb”，但是不能匹配到"a"，它要求你必须得有个b，多了不限，少了不行。你如果问我有没有那种“有没有都行，有多少都行的表达方式”，回答是有的。

‘*’：将前面一个字符或一个子表达式重复0次或多次

比方说我们在王叶内遇到了链接，可能既有http://开头的，又有https://开头的

import rekey = r"http://www.nsfbuhwe.com and https://www.auhfisna.com"#胡编乱造的网址，别在意p1 = r"https*://"#看那个星号！pattern1 = re.compile(p1)print pattern1.findall(key)

[]：代表匹配里面的字符中的任意一个

[^]代表除了内部包含的字符以外都能匹配 “?”将贪婪的“+”改成懒惰的“+”，例如，

import rekey = r"chuxiuhong@hit.edu.cn"p1 = r"@.+\."#我想匹配到@后面一直到“.”之间的，在这里是hitpattern1 = re.compile(p1)print pattern1.findall(key)

输出结果

['@hit.edu.']

呦呵！你咋能多了呢？我理想的结果是@hit.，你咋还给我加量了呢？这是因为正则表达式默认是“贪婪”的，我们之前讲过，“+”代表是字符重复一次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符，在这个例子里也就是匹配到最后一个“.”。

我们怎么解决这种问题呢？只要在“+”后面加一个“？”就好了。

import rekey = r"chuxiuhong@hit.edu.cn"p1 = r"@.+?\."#我想匹配到@后面一直到“.”之间的，在这里是hitpattern1 = re.compile(p1)print pattern1.findall(key)

输出结果

['@hit.']

加了一个“?”我们就将贪婪的“+”改成了懒惰的“+”。

{a,b}(代表a<=匹配次数<=b)

参考资料：

通配符详解：

转载地址：http://izegi.baihongyu.com/