Python爬虫入门——正则表达式应用技巧有哪些？

本文共计2384个文字，预计阅读时间需要10分钟。

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。例如，判断一个字符串是否是合法的Email地址，可以编程提取@前后子串，再分别判断。

字符串是编程时涉及到的最多的一种数据结构，对字符串进行操作的需求几乎无处不在。比如判断一个字符串是否是合法的Email地址，虽然可以编程提取​​@​​前后的子串，再分别判断是否是单词和域名，但这样做不但麻烦，而且代码难以复用。

正则表达式是一种用来匹配字符串的强有力的武器。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了，否则，该字符串就是不合法的。

所以我们判断一个字符串是否是合法的Email的方法是：

创建一个匹配Email的正则表达式；

用该正则表达式去匹配用户的输入来判断是否合法。

因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。

在正则表达式中，如果直接给出字符，就是精确匹配。用​​\d​​​可以匹配一个数字，​​\w​​可以匹配一个字母或数字，所以：

• ​​'00\d'​​​可以匹配​​'007'​​，但无法匹配​​'00A'​​；
• ​​'\d\d\d'​​​可以匹配​​'010'​​；
• ​​'\w\w\d'​​​可以匹配​​'py3'​​；

​​.​​可以匹配任意字符，所以：

• ​​'py.'​​​可以匹配​​'pyc'​​​、​​'pyo'​​​、​​'py!'​​等等。