python-day5爬虫基础之正则表达式2

dot:

'.'匹配任意的字符

'*'匹配任意多个（0到多个） 如图所示，

程序运行结果是abc，之所以没有匹配\n，是因为\n是换行符，它就代表这个字符串是两行的，而正则表达式是一行一行去匹配的。在re.match中遇到换行符就默认的认为字符串结束了，所以就不会去匹配下一行的内容，因此输出abc。

DOTALL:单单表示字符串，还可以表示换行符。这样的话，他就可以匹配整个字符串了。如上所示。

caret:中文意思就是拖字号，shift+6，

findall，就是找出所有的‘abc’,但是在匹配的时候，我们把它当成一个整体来匹配了，虽然它是两行，其中‘^’表示开始位置，此时如果我们加一个re.MULTILINE,此时这个‘^’就不单单表示字符串的开始了，而是表示行的开始，所以遇到换行符后又是一个新行。程序如下：

‘^’表示字符串的开始，‘$’表示字符串的结束，先看程序：

之所以匹配了abc2，没有匹配abc1，是因为在不加任何flag的情况下，‘$’表示的是一个字符串的结束，而不是行的结束，虽然里边有个换行符，但是没有任何的flag。如我我们加上re.MULTILINE,它就代表我们将这个字符串，当成多行来处理，那样的话，运行结果就不得而知了。如下：（\d表示的是数字）

从上可以看出，没有re.MULTILINE就代表字符串的结束，有re.MULTILINE就代表行的结束。

*：前一个匹配单元的匹配次数，匹配0到多个

+：前一个匹配单元的匹配次数，匹配1到多个

？：前一个匹配单元的匹配次数，匹配0到1个

那么 r’ab*’表示的就是匹配1个a，b可以是0个，也可以是多个，看程序：

这里补充一下，如果我们在后边再加上group，就可以将匹配结果打印出来了，如下：

如果我们将*换成+，那就匹配不上了， 那样就代表1个a，b最少是一个，看程序：

同理，把+换成？，也是可以匹配的。

接下来，在看一看贪婪和非贪婪（greedy/non-greedy）

先看程序：

.表示任意字符，*表示0到多个，而这样系统默认是贪婪模式，所以，H 1 > t I t l e < / H 1 全部都当成了任意字符，因为最后边有个>。其实匹配结果是这样的<H1>title</H1>,不知这样写能不能看懂，朋友们。

还有就是如果最后边没有那个‘>’,那么他就认为最后一个’>’是<H1>中的红体部分，运行结果我们也就知道了，如下：

如果此时，我们加一个？，他就变成非贪婪模式，看程序：

默认的是贪婪模式，要想非贪婪，就要加？

再给大家介绍一个，{m}表示匹配个数，看程序吧

通过上边这个程序，大家应该都看明白了吧，{m}代表的就是匹配的个数，如果个数不够m个，就会报错，如果个数大于m个，就会输出m个结果，多余的也不会输出。再扩展一下，看程序：

两个输出语句的区别就是一个有问号，一个没有问号，大家应该都明白，带问号的就是非贪婪模式，而{2,4}代表匹配2到4个，贪婪模式下，会匹配多的，也就是4个，非贪婪模式下，会匹配少的，也就是2个。

再看看转义字符’\’,看程序：

如果不加转义字符‘\’,$就会被系统认为是结束字符，加上之后，就会被当成一个符号来匹配。

最后，再写个[ ],它就代表集合的意思，就是可以匹配集合里边的任意一个，先看程序：

以上就是今天所学，总结的可能有些不是很细，部分内容可能理解有些不对，还请多多指出，大家共同学习，一起进步，谢谢。