摘要：正則表達(dá)式簡(jiǎn)介正則表達(dá)式英語(yǔ)，在代碼中常簡(jiǎn)寫為或，又稱正規(guī)表示式正規(guī)表示法正規(guī)表達(dá)式規(guī)則表達(dá)式常規(guī)表示法，是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來描述匹配一系列匹配某個(gè)句法規(guī)則的字符串。

正則表達(dá)式（英語(yǔ)：Regular Expression，在代碼中常簡(jiǎn)寫為regex、regexp或RE），又稱正規(guī)表示式、正規(guī)表示法、正規(guī)表達(dá)式、規(guī)則表達(dá)式、常規(guī)表示法，是計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來描述、匹配一系列匹配某個(gè)句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來檢索、替換那些匹配某個(gè)模式的文本。

在python中，可以使用內(nèi)置的re模塊來使用正則表達(dá)式

使用 compile() 函數(shù)將正則表達(dá)式的字符串形式編譯為一個(gè)正則表達(dá)式對(duì)象；

通過正則表達(dá)式對(duì)象提供的一系列方法(如:match())對(duì)文本進(jìn)行匹配查找，獲得匹配結(jié)果，一個(gè)Match對(duì)象；

最后使用Match對(duì)象提供的屬性和方法(例如：group())獲得信息，根據(jù)需要進(jìn)行其他的操作。

導(dǎo)入模塊

import re

compile()函數(shù)
compile 函數(shù)用于編譯正則表達(dá)式，生成一個(gè) Pattern 對(duì)象，它的一般使用形式如下：

import re

# 將正則表達(dá)式編譯成pattern對(duì)象
pattern = re.compile(r"d+")

編譯成正則表達(dá)式對(duì)象后，就可以使用上面所說的正則表達(dá)式對(duì)象方法了。

match()方法
match 方法用于查找字符串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個(gè)匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果。它的一般使用形式如下：

match(string[, pos[, endpos]])

其中,string是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點(diǎn)位置，默認(rèn)值分別是 0 和 len (字符串長(zhǎng)度)。因此，當(dāng)你不指定 pos 和 endpos 時(shí)，match 方法默認(rèn)匹配字符串的頭部。

當(dāng)匹配成功時(shí)，返回一個(gè) Match 對(duì)象，如果沒有匹配上，則返回 None。

>>> import re
>>> 
>>> pattern = re.compile(r"d+") # 正則表達(dá)式表示匹配至少一個(gè)數(shù)字
>>> 
>>> m = pattern.match("one2three4") # match默認(rèn)從開頭開始匹配，開頭是字母o，所以沒有匹配成功
>>> print(m) # 匹配失敗返回None
None
>>> 
>>> m = pattern.match("1two3four") # 開頭字符是數(shù)字，匹配成功
>>> print(m)
<_sre.SRE_Match object; span=(0, 1), match="1">
>>> 
>>> m.group() # group()方法獲取匹配成功的字符
"1"
>>> m = pattern.match("onetwo3four56",6,12) # 指定match從數(shù)字3開始查找，第一個(gè)是數(shù)字3，匹配成功
>>> print(m)
<_sre.SRE_Match object; span=(6, 7), match="3">
>>> m.group()
"3"

search()方法
search 方法用于查找字符串的任何位置，從任何位置開始往后查找，它也是一次匹配，只要找到了一個(gè)匹配的結(jié)果就返回，而不是查找所有匹配的結(jié)果，它的一般使用形式如下：

search(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點(diǎn)位置，默認(rèn)值分別是 0 和 len (字符串長(zhǎng)度)。

當(dāng)匹配成功時(shí)，返回一個(gè) Match 對(duì)象，如果沒有匹配上，則返回 None。

In [1]: import re

In [2]: pattern = re.compile(r"[A-Za-z]+") # 表示匹配至少一個(gè)字母

In [3]: ret = pattern.search("123four5") # 這里如果使用match則不匹配，因?yàn)橐詳?shù)字開頭

In [4]: print(ret)
<_sre.SRE_Match object; span=(3, 7), match="four">

In [5]: ret.group()
Out[5]: "four"

In [9]: ret = pattern.search("123four5six789",7,12)

In [10]: print(ret)
<_sre.SRE_Match object; span=(8, 11), match="six">

In [11]: ret.group()
Out[11]: "six"

In [12]: ret = pattern.search("123four5six789",1,2)

In [13]: print(ret) # 不匹配，返回None
None

findall()方法
match方法和search方法都是匹配到正則表達(dá)式的第一個(gè)內(nèi)容，如果想要獲取正則表達(dá)式匹配的所有內(nèi)容，就可以使用findall方法了。這個(gè)方法會(huì)搜索整個(gè)字符串，然后返回匹配正則表達(dá)式的所有內(nèi)容。

findall 方法的使用形式如下：

findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數(shù)，指定字符串的起始和終點(diǎn)位置，默認(rèn)值分別是 0 和 len (字符串長(zhǎng)度)。

findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個(gè)空列表。
示例：

import re

pattern = re.compile(r"d+")

ret1 = pattern.findall("hello 123 world 456")# 匹配123,456
ret2 = pattern.findall("one1two2three3") # 匹配1,2,3
ret3 = pattern.findall("hello world") # 沒有數(shù)字不匹配，返回空列表

print(ret1)
print(ret2)
print(ret3)

運(yùn)行結(jié)果：

["123", "456"]
["1", "2", "3"]
[]

spilt()方法
split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

split(string[, maxsplit])

其中，maxsplit 用于指定最大分割次數(shù)，不指定將全部分割。
示例：

>>> import re
>>> 
>>> pattern = re.compile(r"[s;,]+")
>>> ret = pattern.split("hello  world;;ha,ha")
>>> print(ret)
["hello", "world", "ha", "ha"]

sub()方法
sub 方法用于替換,在python爬蟲中常用語(yǔ)修改文本。比如把一串文本中所有數(shù)字去掉，把數(shù)字去掉可以使用字符串方法中的replace方法，但是太麻煩了，使用sub()方法就可以很方便去掉。sub()方法的使用形式如下：

sub(repl, string[, count])

其中，repl 可以是字符串也可以是一個(gè)函數(shù)：

如果 repl 是字符串，則會(huì)使用 repl 去替換字符串每一個(gè)匹配的子串，并返回替換后的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號(hào) 0；

如果 repl 是函數(shù)，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)（Match 對(duì)象），并返回一個(gè)字符串用于替換（返回的字符串中不能再引用分組）。

count 用于指定最多替換次數(shù)，不指定時(shí)全部替換。

示例:

import re

content = "42hjad24ta d25a14aad"
content = re.sub("d+","",content)
print(content)

運(yùn)行結(jié)果：

hjadta daaad

貪婪模式：在整個(gè)表達(dá)式匹配成功的前提下，盡可能多的匹配 ( * )；

非貪婪模式：在整個(gè)表達(dá)式匹配成功的前提下，盡可能少的匹配 ( ? )；

Python中默認(rèn)是貪婪模式

示例
源字符串:abccc

貪婪模式匹配:abc*

非貪婪模式匹配:abc*?

abc*，匹配盡可能多個(gè)c
abc*?,匹配盡可能少個(gè)c，最少為0即沒有，所以打印ab

>>> import re
>>> 
>>> ret = re.match("abc*","abccc")
>>> print(ret)
<_sre.SRE_Match object; span=(0, 5), match="abccc">
>>> 
>>> ret.group()
"abccc"
>>> 
>>> ret = re.match("abc*?","abccc")
>>> ret.group()
"ab"

圓括號(hào)()匹配封閉的正則表達(dá)式，然后另存為子組。

>>> m = re.match("(www)@(ffffd).(www)","[email protected]")
>>> m.group()
"[email protected]"
>>> m.group(1)
"xxx"
>>> m.group(2)
"163"
>>> m.group(3)
"com"
>>> m.groups()
("xxx", "163", "com")

group()通常用于以普通方式顯示所有的匹配部分，但也可以用于獲取各個(gè)匹配的子組。而groups()方法可以獲取一個(gè)包含所有匹配子字符串的元組。

當(dāng)匹配目標(biāo)中有正則表達(dá)式的特殊字符，就需要使用轉(zhuǎn)義字符""將特殊字符的作用屏蔽掉。

>>> content = "(hello,world)"
>>> m = re.match("(.*)",content)
>>> print(m)
<_sre.SRE_Match object; span=(0, 13), match="(hello,world)">
>>> m.group()
"(hello,world)"

.(點(diǎn)號(hào))表示匹配任意一個(gè)字符，*(星號(hào))表示匹配前面的字符無限次，組合起來.*就是匹配任意字符。

>>> content = "hello 123456789 world hahaha"
>>> m = re.match("^hello.*ha$",content)
>>> print(m)
<_sre.SRE_Match object; span=(0, 28), match="hello 123456789 world hahaha">
>>> m.group()
"hello 123456789 world hahaha"

豎線"|"表示匹配豎線左邊的表達(dá)式或者右邊的表達(dá)式，如re1|re2,滿足其中一個(gè)表達(dá)式就匹配成功

>>> m = re.match("abc|adc|aec","adc")
>>> m.group()
"adc"
>>> m = re.match("abc|adc|aec","aoc")
>>> print(m)
None
>>> m = re.findall("abc|adc|aec","abc aec aoc")
>>> print(m)
["abc", "aec"]

方括號(hào)[]表示匹配來自字符集中任意一個(gè)字符。

>>> m = re.match("[abc][123][A-Z]","b2A")
>>> m.group()
"b2A"
>>> m = re.match("[abc][123][A-Z]","a3A")
>>> m.group()
"a3A"
>>> m = re.match("[abc][123][A-Z]","d2B") # 不匹配
>>> print(m)
None
>>>