由于最近需要使用爬虫爬取数据进行测试，所以开始了爬虫的填坑之旅，那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为Python。主要讲解下Python的Re模块。
下面的语法我就主要列出一部分，剩下的在python官网直接查阅即可： docs.python.org/3/library/r…
一、基础语法总结
1.1、匹配单个字符
a . \d \D \w \W \s \S [...] [^...]
匹配单个字符（.）
规则：匹配除换行之外的任意字符
|
1
2
|
In [24]: re.findall("f.o","foo is not fao")Out[24]: ['foo', 'fao'] |
匹配任意（非）数字字符（\d \D）
\d [0-9]
\D [^0-9]
匹配任意（非）普通字符（\w \W）
\w 普通字符 包括[_0-9A-Za-z] 同时也包括汉字
\W 非普通字符
匹配任意（非）空字符（\s \S）
\s 匹配任意空字符 [\r\n\t]
\S 匹配任意非空字符
匹配字符集合（[...]）
[A-Z][a-z][0-9][_123a-z]
匹配字符集（[^...]）
规则：字符集取非，除列出的字符之外的任意一个字符
[^abc] --> 除a b c之外任意字符
1.2、匹配多个字符
* 匹配0次或者多次
+ 匹配1次或者多次
? 匹配0次或者1次
{m} 匹配m次
{m,n} 匹配m次到n次区间内的任意一次
1.3、匹配位置
^ 匹配开始位置
$ 匹配结束位置
\A 匹配开始位置
\Z 匹配结束位置
\b 匹配单词边界位置（一般用于首字母大写的匹配）
\B 匹配非单词边界问题
1.4、转义
在正则表达式中有一类特殊字符需要转移，只需要在特殊字符之间加上 \ 表示转移即可
. * + ? ^ $ [] {} () | \
1.5、子组
使用() 可以为正则表达式建立内部分组，子组为正则表达式的一部分，可以看做一个内部整体。
|
1
2
3
4
|
In [61]: re.search(r"(https|http|ftp):\/\/\w+\.\w+\.(com|cn)","https://www.baidu.com").group(0)Out[61]: 'https://www.baidu.com'In [62]: re.search(r"(https|http|ftp):\/\/\w+\.\w+\.(com|cn)","https://www.baidu.com").group(1)Out[62]: 'https' |
1.6、贪婪模式和非贪婪模式
正则表达式的重复匹配总是尽可能多的向后匹配更多的内容。 贪婪模式包括：* + ? {m,n}
非贪婪模式：尽可能少的匹配内容 贪婪模式转换为非贪婪模式：*? +? ?? {m,n}?
|
1
2
3
4
|
In [106]: re.findall(r"ab+?","abbbbbbbb")Out[106]: ['ab']In [107]: re.findall(r"ab??","abbbbbbbb")Out[107]: ['a'] |
二、Re模块
接下来我所有函数里面的参数解释如下：
pattern：正则表达式
string：目标字符串
pos：截取目标字符串起始位置
endpose：截取目标字符串结束位置
flags:功能标志
replaceStr：替换的字符串
max：最多替换几处（默认替换全部）
有上图我们看出来，接下来我们要将的Python中re模块、regex对象、match对象三者之间是存在一定关系的。
1、re模块的compile方法返回一个regex对象
2、re模块和regex对象的finditer()、fullmatch()、match()、search()等方法返回一个match对象
3、他们分别有自己的属性和方法
2.1、compile
|
1
|
regex = re.compile(pattern, flags = 0) # 生成正则表达式对象 |
2.2、findall
|
1
|
re.findall(pattern,string,pos,endpose) # 从目标字符串中匹配所有符合条件的内容 |
2.3、split
re.split(pattern,string,flags) #根据正则表达式对目标字符串进行分割
|
1
2
|
In [79]: re.split(r'\s+',"Hello World")Out[79]: ['Hello', 'World'] |
2.4、sub
|
1
2
3
4
|
re.sub(pattern,replaceStr,string,max,flags)In [80]: re.sub(r'\s+',"##","hello world")Out[80]: 'hello##world' |
2.5、subn
re.subn(pattern,replaceStr,string,max,flags) #功能同sub，但是返回值返回替换后的字符串和替换了几处
|
1
2
|
In [80]: re.sub(r'\s+',"##","hello world")Out[80]: ('hello##world',1) |
2.6、finditer
re.finditer(pattern,string) #使用正则表达式匹配目标字符串，返回一个match对象，match对象调用group()之后才能拿到值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
In [87]: it = re.finditer(r'\d+',"2014nianshiqiqngduo 08aoyun 512dizhen")In [88]: for i in it: ....: print(i) ....: <_sre.SRE_Match object at 0x7f0639767920><_sre.SRE_Match object at 0x7f0639767ac0><_sre.SRE_Match object at 0x7f0639767920>In [93]: it = re.finditer(r'\d+',"2014nianshiqiqngduo 08aoyun 512dizhen")In [94]: for i in it: ....: print(i.group()) ....: 201408512 |
2.7、fullmatch
fullmatch(pattern,string,flags) #完全匹配目标字符串，相当于加了^ 和 $
2.8、match
re.match(pattern,string,flags) #匹配目标字符串开头的位置
2.9、search
re.search(pattern,string,flags) # 正则表达式匹配目标字符串，只匹配第一处
三、一些练习题
3.1、匹配首字母大写的单词
|
1
2
3
4
5
6
7
8
|
import ref = open('test.txt')pattern= r'\b[A-Z][a-zA-Z]*\s*'# pattern= r'\b[A-Z]\S'L = []for i in f: L += re.findall(pattern,i)print(L) |
test.txt文档内容如下：
|
1
2
3
4
5
6
7
|
Hello World -12.6Nihao 123How are you -121.24asdk 34%,占比 1/22003 - 2005./% |
3.2、匹配数字（正数、负数、小数、百分数、分数）
|
1
2
3
4
5
6
7
8
|
import repattern = "-?\d+((/?\d+)|((\.)?\d+)|((\%)?))"f = open('test.txt')l = []for line in f: l += re.finditer(pattern,line)for i in l: print(i.group()) |
总结
以上所述是小编给大家介绍的Python 正则表达式模块，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://juejin.im/post/5bdc32f5e51d4504ec207c6c
