你的意思是正則表示式吧，python perl等語言的正則表示式都差不多。

關於正則表示式的知識可以參考專門的書籍。如O’Reilly出版的《精通正則表示式》。

正則表示式是一個強大的字串處理工具方法，關於字串的操作絕大部分都可以使用正則表示式來解決，爬蟲工作者更為重要，每天和字串打交道，正則表示式更是不可或缺的技能，正則表示式的在不同的語言中使用方式可能不一樣，不過只要學會了任意一門語言的正則表示式用法，其他語言中大部分也只是換了個函式的名稱而已，本質都是一樣的。

分享一下我學習正則表示式的參考資料連結： https://www.runoob.com/python/python-reg-expressions.html

下面，我來介紹一下python中的正則表示式是怎麼應用的

一.python中的正則表示式大致分為：

1.1. 元字元

1.2. 模式

1.3. 函式

1.4. re 內建物件用法

1.5. 分組用法

1.6. 環視用法

二.所有關於正則表示式的操作都使用 python 標準庫中的 re 模組

小例子：

import re

s1 = "hello World!"

regex = re.compile(s1, re.I)

print regex.match(s).group()

三.函式

簡單分享一下三個函式match search compile，可以見下面圖

四.分享一個找到的筆記例項

正則表示式例項：

#!/usr/bin/python

import re

line = "Cats are smarter than dogs"

matchObj = re.match( r"(.*) are (.*?) .*", line, re.M|re.I)

if matchObj:

print "matchObj.group() : ", matchObj.group()

print "matchObj.group(1) : ", matchObj.group(1)

print "matchObj.group(2) : ", matchObj.group(2)

else:

print "No match!!"

正則表示式：

r"(.*) are (.*?) .*"

解析:

首先，這是一個字串，前面的一個 r 表示字串為非轉義的原始字串，讓編譯器忽略反斜槓，也就是忽略跳脫字元。但是這個字串裡沒有反斜槓，所以這個 r 可有可無。

(.*) 第一個匹配分組，.* 代表匹配除換行符之外的所有字元。

(.*?) 第二個匹配分組，.*? 後面多個問號，代表非貪婪模式，也就是說只匹配符合條件的最少字元

後面的一個 .* 沒有括號包圍，所以不是分組，匹配效果和第一個一樣，但是不計入匹配結果中。

matchObj.group() 等同於 matchObj.group(0)，表示匹配到的完整文字字元

matchObj.group(1) 得到第一組匹配結果，也就是(.*)匹配到的

matchObj.group(2) 得到第二組匹配結果，也就是(.*?)匹配到的

因為只有匹配結果中只有兩組，所以如果填 3 時會報錯。

五.可以先把文件過一遍，用到的時候多練習，熟能生巧。

Python是一種計算機程式設計語言。中文名：蟒蛇，釋出於1991年，是一種動態的、面向物件的指令碼語言，最初被設計用於編寫自動化指令碼(shell)，隨著版本的不斷更新和語言新功能的新增，越來越多被用於獨立的、大型專案的開發。

Python 大星掏出了秘密武器 --《正則心法》

學會這門獨門武器，在 “爬者” 境界下將如探囊取物

“宮廷玉液酒，一百八一杯，這酒怎麼樣，看我給你吹”。

先看下正則測試小工具，一般人我不告訴他

http://tool.oschina.net/regex/

小試牛刀:

是不是很神奇...

來來來，Python 大星傳授你一套《正則心法》

圖 1

圖 2

考驗你悟性的時候

從《正則心法》中我們可以看到：

“斜槓 + 小寫字母” 和 “斜槓 + 大寫字母” 語義相反

含大寫字母的一般是否定語句

這些字母不需要死記硬背，背後都有其自然規律

作為 " 爬蟲英語四級” 的老玩家，小 case

w---world

s---space

d---digital

接下來

我會依次展示《正則心法》的奧秘之處

好的 “心法” 必須襯好的 “武器”

re 庫 瞭解哈

“正則心法” 第一式 --match

當我們用《正則心法》第一式獲取到匹配資料，

你以為就 over 了嗎？

刁鑽需求的任務：提取匹配資料中的數字

^ ：匹配一行字串的開頭

\s ：匹配空格

\d+： 匹配 1 個或多個數字

在正則表示式中使用英文括號 ()

group() 和 group(0) 會提取完整的匹配結果

group (1) 會匹配第一個括號中的子字串

假如正則表示式後面還有 () 包括的內容，那麼可以依次用 group (2)、group (3) 等來獲取

“正則心法” 第二式 -- 通用匹配

Python 大星縱覽群書，發現個重大密碼

萬用字元無一例外的使用 .*

“正則心法” 第三式 -- 貪婪與非貪婪

● 什麼是貪婪匹配？

在貪婪匹配下，. 會匹配儘可能多的字元

括號中是 \d+，

也就是至少一個數字，並沒有指定具體多少個數字，

因此，.* 就儘可能匹配多的字元，這裡就把 123456 匹配了，

給 \d + 留下一個可滿足條件的數字 7，最後得到的內容就只有數字 7 了。

● 什麼又是非貪婪匹配？

非貪婪匹配就是儘可能匹配少的字元

非貪婪匹配的寫法是 .*?

貪婪匹配就是匹配儘可能多的字元

非貪婪匹配就是匹配儘可能少的字元

“正則心法” 第四式 -- 修飾符

當 content 中含有換行符或者大小寫時

需要紅藍 buff 加持 --“修飾符”

跟隨 Python 先打紅 buff-- re.S（匹配包括換行在內的所有字元）

1234567

再打藍 buff -- re.I（使匹配對大小寫不敏感，注意：I 是 i 的大寫）

1234567

“正則心法” 第五式 -- 轉義匹配

說到 “跳脫字元”，萬金油 “斜槓” 來表示

“正則心法” 第六式 --search

前面五式，我們使用的 match 方法是從字串的開頭開始匹配的，

一旦開頭不匹配，那麼整個匹配就失敗了

Python 大星傳授你新的一招 --search

在匹配時，search 方法會依次掃描字串，直到找到第一個符合規則的字串，然後返回匹配內容，如果搜尋完了還沒有找到，就返回 None。

“正則心法” 第七式 --findall

第六式 我們能輕鬆的用 search 方法獲取匹配正則表示式的第一個內容

但是...

當我想要匹配所有符合正則表示式的所有內容呢？

["1234567", "7654321"]

“正則心法” 第八式 --sub

除了使用正則表示式提取資訊外，有時候還需要藉助它來修改文字

Python

“正則心法” 第九式 --compile

最後，Python 傳授畢生功力

準備好接收了嗎？

將正則字串編譯成正則表示式物件，以便在後面的匹配中複用

呼氣，吸氣，收！！！

這套《正則心法》你 get 到了嗎？