正則表示式雖然不是python語言，但在python爬蟲中卻有著普遍的應用，可以說沒有正則表示式的爬蟲是一個沒有靈魂的爬蟲，話不多說，直接上乾貨！

• 元字元

  1. \d 匹配所有數字
  2. \w 匹配所有數字、字母、下劃線
  3. \D 除了數字以外的內容
  4. \W 除了數字、字母、下劃線以外的內容
  5. \S 匹配所有非空白
  6. [a,b,c] 匹配a，b，c的內容
  7. [^a,b,c] 匹配除了a，b，c的內容
  8. \s 匹配空白
  9. \b 匹配單個單詞邊界

• 量詞

  1. 元字元+ 元字元出現1次或多次（等同於{1, }）
  2. 元字元* 前面的元字元出現0次或多次，儘可能多的拿到資料（等同於{0, }）
  3. 元字元? 前面的元字元出現0次或一次

• 匹配字元

  1. 數字 [0-9]
  2. 小寫字母 [a-z]
  3. 大寫字母 [A-Z]
  4. 特殊字元 [\特殊字元]

• ^

  1. 放在區間裡表示取反
     1. [^0-9] 表示匹配非數字
     2. [^a-z] 表示匹配非小寫字母
  2. 放在區間外面表示匹配字串開頭（^python 表示以python開頭的內容）

1. $ 匹配字串結尾（python$ 表示以python結尾的單詞）
2. ？
   1. 可以出現也可以不出現（colou?r 可以同時匹配color、colour）
   2. 轉換為非貪婪模式（\d{8,9}? 預設會匹配8和9位的數字，加上?後，只匹配8位的數字）
3. . 除了換行符以外的任意內容
4. {數字} 指定匹配次數（\d{9}指匹配9位數的數字）
5. {數字，數字} 指定匹配區間（\d{4, }指匹配4位以上的數字）

• 惰性匹配

  1. .* 匹配最遠的字元
  2. .*? 匹配最近的字元（惰性匹配）
  3. 字串：今天晚上一起吃雞呀（匹配：晚上.*?吃雞）　　結果：晚上一起吃雞

• 分組

1. 加括號就可分組(提取號碼：0731-8283333的區號和正真的電話號碼　　結果：\d{4}-\d{7})
2. eg：<div>holle</div> <div>(.*?)</div> 不加括號是提取不出來的
3. | 或則條件 （.jpg|.gif|.jpeg|.png）表示匹配這幾種字尾的圖片格式
4. 非捕獲分組 （?:表示式）

• 分組的回溯引用

1. 提取標籤中的文字 <font>提示</font>ge1:破壞標籤，將</font>改為</br>結果：<(\w+)>(.*?)</\1> \1 就為了保證和第一個分組一致
2. eg2:編寫程式碼匹配符合ab ba 結果：(\w)(\w)\2\1
3. 環視/欲搜尋

eg：在 我喜歡你 我喜歡 我喜歡我 喜歡 喜歡你

正向先行斷言（?=表示式） 取出喜歡，喜歡的後面必須有”你“

反向先行斷言 喜歡(?!你) 即喜歡後面沒有”你“

正向後行斷言(?<=我)喜歡(?=你) 喜歡的前面右”我“，後面有”你“

反向後行斷言(?<!我)喜歡(?!你) 喜歡的前面沒有我，後面沒有你

本文均自己整理，時間也比較趕，可能有的地方會存在問題，可以評論留言，看到了就會改。