写爬虫，不会正则怎么行？ (2)

但是描述中还有 \d 和 \D，数字不都是 ASCII 字符吗？这是什么意思？别忘了，还有 全角和半角！

s = '０１２３４５６７８９'    # 全角数字
re.search('\d+', s, re.U).group()

结果：

０１２３４５６７８９

（2）re.M
多行匹配的模式其实也不常用，很少有一行行规整的数据。

s = 'aaa\r\nbbb\r\nccc'

re.findall('^[\s\w]*?$', s)
re.findall('^[\s\w]*?$', s, re.M)

结果：

['aaa\r\nbbb\r\nccc']        # 单行模式
['aaa\r', 'bbb\r', 'ccc']    # 多行模式

（3）re.S
这个简单，直接看个例子。

s = 'aaa\r\nbbb\r\nccc'

re.findall('^.*', s)
re.findall('^.*', s, re.S)

结果：

['aaa\r']
['aaa\r\nbbb\r\nccc']

（4）re.X
用法如下：

rc = re.compile(r"""
\d+ # 匹配数字
# 和字母
[a-zA-Z]+
""", re.X)
rc.search('123abc').group()

结果：

123abc

注意，用了 X 修饰符后，正则中的所有空格会被忽略，包括正则里面的原本有用的空格。如果正则中有需要使用空格，只能用 \s 代替。

（5）(?aiLmsux)
修饰符不仅可以代码中指定，也可以在正则中指定。(?aiLmsux) 表示了以上所有的修饰符，具体用的时候需要哪个就在 ? 后面加上对应的字母，示例如下，(?a) 和 re.A 效果是一样的：

s = '123abc你好'
re.search('(?a)\w+', s).group()
re.search('\w+', s, re.A).group()

结果是一样的：

123abc
123abc
1.3、贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。

s = 'aabab'
re.search('a.*b', s).group()    # 这就是贪婪
re.search('a.*?b', s).group()   # 这就是懒惰

结果：

aabab
aab

简单来说：

所谓贪婪，就是尽可能 多 的匹配；

所谓懒惰，就是尽可能 少 的匹配。

*、+、{n,} 这些表达式属于贪婪；

*?、+?、{n,}? 这些表达式就是懒惰（在贪婪的基础上加上 ?）。

2、正则进阶 2.1、捕获分组 语法 描述
(exp)   匹配exp，并捕获文本到自动命名的组里  
(?Pexp)   匹配exp，并捕获文本到名称为 name 的组里  
(?:exp)   匹配exp，不捕获匹配的文本，也不给此分组分配组号  
(?P=name)   匹配之前由名为 name 的组匹配的文本  

注意：在其他语言或者网上的一些正则工具中，分组命名的语法是 (?<name>exp) 或 (?'name'exp) ，但在 Python 里，这样写会报错：This named group syntax is not supported in this regex dialect。Python 中正确的写法是：(?P<name>exp)

示例一：

分组可以让我们用一条正则提取出多个信息，例如：

s = '姓名：张三；性别：男；电话：138123456789'
m = re.search('姓名[:：](\w+).*?电话[:：](\d{11})', s)
if m:
    name = m.group(1)
    phone = m.group(2)
    print(f'name:{name}, phone:{phone}')

结果：

name:张三, phone:13812345678

示例二：

(?P<name>exp) 有时还是会用到的， (?P=name) 则很少情况下会用到。我想了一个 (?P=name) 的使用示例，给大家看下效果：

s = '''
<name>张三</name>
<age>30</age>
<phone>138123456789</phone>
'''

pattern = r'<(?P<name>.*?)>(.*?)</(?P=name)>'
It = re.findall(pattern, s)

结果：

[('name', '张三'), ('age', '30'), ('phone', '138123456789')]
2.2、零宽断言 语法 描述
(?=exp)   匹配exp前面的位置  
(?<=exp)   匹配exp后面的位置  
(?!exp)   匹配后面跟的不是exp的位置  
(?<!exp)   匹配前面不是exp的位置