python爬蟲之正規表達式

在學習爬蟲的過程中我們需要從網頁爬取資料，然後在過濾資料，最後儲存資料。其中過濾資料的時候我們需要提取這個網頁中的某一部分而非全部，此時我們就要通過正規表達式去過濾，下面我通過個人的學整理了一些基礎而且常見的正規表達式。

操作符	說明	執行個體
.	表示單個字元
[ ]	字元集,對單個字元給出取值範圍	[abc]表示a、b、 C，[a-z]表示a到z單個字元
*	前一個字元0次或無限次出現	abc*表示ab、abc、abcc、 abccc等
+	前一個字元1次或無限次出現	abc+表示abc、 abcc、 abccc等
?	前一個字元0次或1次出現	abc?表示ab. abc
|	左右表達式任意-一個	abc|def表示abc、 def
{m}	前一個字元m次	ab{2}c表示abbc
{m,n}	前一個字元出現m至n次(含n)	ab{1,2}c表示abc、abbc
^	比對字元串開頭	^abc表示abc且在一個字元串的開頭
$	比對字元串結尾	abc$表示abc且在一個字元串的結尾
( )	分組标記,内部隻能使用|操作符	(abc )表示abc , (abc |def)表示abc、def
\d	數字，等價于[0-9]
\w	單詞字元,等價于[A-Za-z0-9_ ]

以上是一些操作符的基礎介紹，這篇文章有相關的用法介紹：​​正規表達式從入門到實戰​​

這裡列舉一部分常用的表達式：

一、校驗數字的表達式

1. 數字：^[0-9]*$

2. n位的數字：^\d{n}$

3. 至少n位的數字：^\d{n,}$

4. m-n位的數字：^\d{m,n}$

5. 零和非零開頭的數字：^(0|[1-9][0-9]*)$

6. 非零開頭的最多帶兩位小數的數字：^([1-9][0-9]*)+(.[0-9]{1,2})?$

7. 帶1-2位小數的正數或負數：^(\-)?\d+(\.\d{1,2})?$

8. 正數、負數、和小數：^(\-|\+)?\d+(\.\d+)?$

9. 有兩位小數的正實數：^[0-9]+(.[0-9]{2})?$

10. 有1~3位小數的正實數：^[0-9]+(.[0-9]{1,3})?$

11. 非零的正整數：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$

12. 非零的負整數：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$

13. 非負整數：^\d+$ 或 ^[1-9]\d*|0$

14. 非正整數：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$

15. 非負浮點數：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$

16. 非正浮點數：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$

17. 正浮點數：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$

18. 負浮點數：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$

19. 浮點數：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

還有很多表達式，可以參考這篇文章：​​史上最全常用正規表達式大全​​