6.爬虫数据提取——正则表达式

╰+哭是因爲堅強的太久メ 2023-05-31 12:17 16阅读 0赞

### 一、单字符匹配规则 ###

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">方式</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">描述</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">点(.)</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配任意字符</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">\d</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配任意数字</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">\D</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配任意非数字</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">\s</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配空白字符</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">\w</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配小写的a-z、大写A-Z、数字0-9和下划线_</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">\W</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">匹配除小写\w之外的内容</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:130px;">[ ]</td> 
   <td style="text-align:center;vertical-align:middle;width:368px;">组合方式进行匹配，满足[ ]内的均可匹配</td> 
  </tr> 
 </tbody> 
</table>

### 二、多字符匹配规则 ###

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">方式</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">描述</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">星号(*)</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">匹配0个或任意多个字符</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">加号(+)</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">匹配1个或任意多个字符</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">问号(?)</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">要么匹配0个，要么匹配1个</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">{m}</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">匹配指定的m个字符</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:152px;">{m,n}</td> 
   <td style="text-align:center;vertical-align:middle;width:346px;">匹配m-n个字符，取最多</td> 
  </tr> 
 </tbody> 
</table>

### 三、匹配规则替代方案 ###

<table style="width:500px;"> 
 <tbody> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">方式</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">描述</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">替代方式</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">\d</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">匹配所有数字</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">[0-9]</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">\D</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">匹配所有非数字</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">[^0-9]</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">\w</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">匹配所有数字、字母和下划线</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">[0-9a-zA--Z_]</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">\W</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">匹配所有非数字、字母和下划线</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">[^0-9a-zA--Z_]</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;vertical-align:middle;width:108px;">[\w\W]或[\d\D]</td> 
   <td style="text-align:center;vertical-align:middle;width:248px;">匹配所有字符</td> 
   <td style="text-align:center;vertical-align:middle;width:141px;">&nbsp;</td> 
  </tr> 
 </tbody> 
</table>

### 四、特殊规则 ###

**1.在中括号内不再有特殊含义的字符**

\[.\]  \[\*\] \[?\] 等仅表示匹配点(.)、星号(\*)、问号(?)。

--------------------

扫描二维码即可参与该课程，解锁更多爬虫知识：

![20210223212855329.png][]

[20210223212855329.png]: /images/20230531/e9ec281e1f394408b38f167ab90a10cd.png