给我一些元字符，我能表达整个地球

莫名想起一个笑话：阿基米德:给我一个杠杆,我能撬动地球。 金融人:喏,这个三倍杠杆借给你。 第二天开盘,阿基米德净亏两个地球。

上一次我们说到，简单点来讲，正则的使用可以包括两部分：

• 构建Pattern

• 处理返回的匹配

今天我们就来看一下如何构建不同的Pattern来表达我们所想要表达的内容。

元字符

就像盖房子需要砖瓦一样，我们想要构建不同的Pattern，也需要一些基础单元。这些基础单元用专业术语来讲，就是元字符。

就像是自然语言里会有单词，数字，量词一样，元字符也是分很多种。最常见的是：

\d: 匹配一个数字字符。等价于 [0-9][a-z]： 匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。[\u4e00-\u9fa5]：匹配中文\w: 匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。. :匹配除换行符以外的任意字符

上面这些元字符是用来表达单个字符的，如果要表达个数，可以使用下面的：

* : 匹配前面的子表达式零次或多次。例如，zo* 能匹配 'z' 以及 'zoo' : 匹配前面的子表达式一次或多次。例如，'zo ' 能匹配 'zo' 以及 'zoo'，但不能匹配 'z'。? : 匹配前面的子表达式零次或一次。例如，'do(es)?' 可以匹配 'do' 或 'does' 。 {n}: n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 'Bob' 中的 'o'，但是能匹配 'food' 中的两个 o。  {n,m}: m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，'o{1,3}' 将匹配 'fooooood' 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

把单个字符和数量的表达方式结合起来，我们就可以构建一些简单的pattern了。

例如：

如果要匹配2017-02-03这种日期方式，就可以用：

\d{4}-\d{1,2}-\d{1,2}

学爬虫的时候看到有不少人喜欢到网上抓图，如果要识别<img>标签，可以大概使用下面这个pattern:

<img src='. '.*>

当然，上面这个pattern随着具体情况还有待深究，我们也会提及。

在这里要注意的是，正则只是按照你给定的pattern进行匹配，而不会检测所匹配出的字符是否符合现实意义。举个例子，2017-13-15可以匹配\d{4}-\d{1,2}-\d{1,2}，然而大家都知道这个日期肯定是不对的。

总结一下

• 基本元字符