第二章 python分布式爬虫打造搜索引擎环境搭建 第二节正则表达式的学习和编写练习

第一，正则表达式介绍

1. 为什么必须会正则表达式？关于正则表达的详细介绍可查看一篇官网的技术文档！

       正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。正则表达式，又称规则表达式，通常被用来检索、替换那些符合某个模式(规则)的文本。正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

2.熟悉掌握以下基本的正则表达式意义！

1)   ^ $ * ? + {2} {2, } {2,5}  | 

2)   [] [^] [a-z] .

3)   \s \S \w \W

4)   [\u4E00-\u9FA5] () \d

2. 正则表达式的简单应用及python示例

提取出字符串中的生日！我们知道，生日的写法有很多种，这里就以此为需求，按照要求筛选你需要的字符串！

import re
broth="我的生日是1991年02月14日" 
#broth="我的生日是1991-02-14" 
#broth="我的生日是1991-2-14" 
#broth="我的生日是1991/02/14" 
#broth="我的生日是1991/2/14" 
#broth="我的生日是1991年02月" 
#broth="我的生日是1991年02" 
regstr=".*生日是((\d{4}[年/-]\d{1,2})(([月/-]($|\d{1,2}))|$).*)" 
#regstr=".*([/年-])"  
objectMatch=re.match(regstr,broth) 
if objectMatch: 
	print(objectMatch.group(1))

这里需要注意一个东西就是[年/-]这个匹配的规则，其中只要调换顺序，python就报错了，[年-/]就是“-/”这样子组合就报错了，一直没搞明白为什么，如果看到这里的有人知道的话，麻烦给个解答，在此谢过了！下面给出报错的图：

到此，整个的基础知识算是介绍完了，接下来就开始项目的实战训练了！后面的知识才是重点，前面的这些都是为后面的开发做的准备，孰轻孰重一目了然！