带你精通Python正则表达式

目录

Python正则表达式一、re模块1.导入re模块
2.findall（）的语法：二、正则表达式
1.字符串的匹配
2、正则的使用

Python正则表达式

正则作为处理字符串的一个实用工具，在Python中经常会用到，比如爬虫爬取数据时常用正则来检索字符串等等。正则表达式已经内嵌在Python中，通过导入re模块就可以使用，作为刚学Python的新手大多数都听说”正则“这个术语。

一、re模块

在讲正则表达式之前，我们首先得知道哪里用得到正则表达式。正则表达式是用在findall()方法当中，大多数的字符串检索都可以通过findall()来完成。

1.导入re模块

在使用正则表达式之前，需要导入re模块。

import re	

2.findall（）的语法：

导入了re模块之后就可以使用findall（）方法了，那么我们必须要清楚findall（）的语法是怎么规定的。

findall(正则表达式，目标字符串)

不难看出findall（）的是由正则表达式和目标字符串组成，目标字符串就是你要检索的东西，那么如何检索则是通过正则表达式来进行操作，也就是我们今天的重点。

使用findall（）之后返回的结果是一个列表，列表中是符合正则要求的字符串

二、正则表达式

1.字符串的匹配

1.1普通字符

大多数的字母和字符都可以进行自身匹配。

import re
a = \"abc123+-*\"
b = re.findall(\'abc\',a)
print(b)

输出结果：

[\'abc\']

1.2元字符

元字符指的是. ^ $ ? + {} \\ []之类的特殊字符，通过它们我们可以对目标字符串进行个性化检索，返回我们要的结果。

这里我给大家介绍10个常用的元字符以及它们的用法，这里我先给大家做1个简单的汇总，便于记忆，下面会挨个讲解每一个元字符的使用。

（1） []

[] 的使用方式主要有以下三种：

常用来指定一个字符集。

s = \"a123456b\"
rule = \"a[0-9][1-6][1-6][1-6][1-6][1-6]b\" #这里暂时先用这种麻烦点的方法，后面有更容易的，不用敲这么多[1-6]
l = re.findall(rule,s)
print(l)

输出结果为：

[\'a123456b\']

可以表示一个范围。

例如要在字符串\”abcabcaccaac\”中选出abc元素：

s = \"abcabcaccaac\"
rule = \"a[a,b,c]c\"  # rule = \"a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c\" 
l = re.findall(rule, s)
print(l)

输出结果为：

[\'abc\', \'abc\', \'acc\', \'aac\']

[] 内的元字符不起作用，只表示普通字符。

例如要在字符串“caabcabcaabc”中选出“caa”：

print(re.findall(\"caa[a，^]\", \"caa^bcabcaabc\"))

输出结果为：

[\'caa^\']

注意：当在[]的第一个位置时，表示除了a以外的都进行匹配，例如把[]中的和a换一下位置：

print(re.findall(\"caa[^,a]\", \"caa^bcabcaabc\")) 

输出：

[\'caa^\', \'caab\'] 

（2）^

^ 通常用来匹配行首，例如：

print(re.findall(\"^abca\", \"abcabcabc\"))

输出结果：

[\'abca\']

(3) $

$ 通常用来匹配行尾，例如：

print(re.findall(\"abc$\", \"accabcabc\"))

输出结果：

[\'abc\']

（4）\\

​ 反斜杠后面可以加不同的字符表示不同的特殊含义，常见的有以下3种。

\\d:匹配任何十进制数等价于[0-9]

print(re.findall(\"c\\d\\d\\da\", \"abc123abc\"))

输出结果为：

[\'c123a\']

\\可以转义成普通字符，例如：

print(re.findall(\"\\^abc\", \"^abc^abc\"))

输出结果：

[\'^abc\', \'^abc\']

s

匹配任何的空白字符例如：

print(re.findall(\"\\s\\s\", \"a     c\"))

输出结果：

[\'  \', \'  \']

\\w

匹配任何字母数字和下划线，等价于[a-zA-Z0-9_]，例如：

print(re.findall(\"\\w\\w\\w\", \"abc12_\"))

输出：

[\'abc\', \'12_\']

（5）{n}

{n}可以避免重复写，比如前面我们用\\w时写了3次\\w，而这里我们这需要用用上{n}就可以，n表示匹配的次数，例如：

print(re.findall(\"\\w{2}\", \"abc12_\"))

输出结果：

[\'ab\', \'c1\', \'2_\']

（6）*

*表示匹配零次或多次（尽可能的多去匹配），例如：

print(re.findall(\"010-\\d*\", \"010-123456789\"))

输出：

[\'010-123456789\']

（7） + **

+表示匹配一次或多次，例如

print(re.findall(\"010-\\d+\", \"010-123456789\"))

输出：

[\'010-123456789\']

（8） .

.是个点，这里不是很明显，它用来操作除了换行符以外的任何字符，例如：

print(re.findall(\".\", \"010\\n?!\"))

输出：

[\'0\', \'1\', \'0\', \'?\', \'!\']

(9) ？

？表示匹配一次或零次

print(re.findall(\"010-\\d?\", \"010-123456789\"))

输出：

[\'010-1\']

这里要注意一下贪婪模式和非贪婪模式。

贪婪模式：尽可能多的去匹配数据，表现为\\d后面加某个元字符，例如\\d*：

print(re.findall(\"010-\\d*\", \"010-123456789\"))

输出：

[\'010-123456789\']

非贪婪模式：尽可能少的去匹配数据，表现为\\d后面加？，例如\\d?

print(re.findall(\"010-\\d*?\", \"010-123456789\"))

输出为：

[\'010-\']

(10) {m,n}

m,n指的是十进制数,表示最少重复m次，最多重复n次，例如：

print(re.findall(\"010-\\d{3,5}\", \"010-123456789\"))

输出：

[\'010-12345\']

加上？表示尽可能少的去匹配

print(re.findall(\"010-\\d{3,5}?\", \"010-123456789\"))

输出：

[\'010-123\']

{m,n}还有其他的一些灵活的写法，比如：

{1,} 相当于前面提过的 + 的效果
{0，1} 相当于前面提过的 ？ 的效果
{0，} 相当于前面提过的 * 的效果

关于常用的元字符以及使用方法就先到这里，我们再来看看正则的其他知识。

2、正则的使用

2.1编译正则

在Python中，re模块可通过compile() 方法来编译正则，re.compile(正则表达式),例如：

 s = \"010-123456789\"
 rule = \"010-\\d*\"
 rule_compile = re.compile(rule) #返回一个对象
 # print(rule_compile)
 s_compile = rule_compile.findall(s)
 print(s_compile) #打印compile()返回的对象是什么

输出结果：

[\'010-123456789\']

2.2正则对象的使用方法

正则对象的使用方法不仅仅是通过我们前面所介绍的 findall() 来使用，还可以通过其他的方法进行使用，效果是不一样的，这里我做个简单的总结：

（1）findall()

找到re匹配的所有字符串，返回一个列表

（2）search()

扫描字符串，找到这个re匹配的位置（仅仅是第一个查到的）

（3）match()

决定re是否在字符串刚开始的位置（匹配行首）

就拿上面的 compile()编译正则之后返回的对象来做举例，我们这里不用 findall() ,用 match() 来看一下结果如何：

s = \"010-123456789\"
rule = \"010-\\d*\"
rule_compile = re.compile(rule)  # 返回一个对象
# print(rule_compile)
s_compile = rule_compile.match(s)
print(s_compile)  # 打印compile()返回的对象是什么

输出：

<re.Match object; span=(0, 13), match=\'010-123456789\'>

可以看出结果是1个match 对象，开始下标位置为0~13，match为 010-123456789 。既然返回的是对象，那么接下来我们来讲讲这个match 对象的一些操作方法。

2.3Match object 的操作方法

这里先介绍一下方法，后面我再举例，Match对象常见的使用方法有以下几个：

（1）group()

返回re匹配的字符串

（2）start()

返回匹配开始的位置

（3）end()

返回匹配结束的位置

（4）span()

返回一个元组：（开始,结束）的位置

举例：用span()来对search()返回的对象进行操作：

s = \"010-123456789\"
rule = \"010-\\d*\"
rule_compile = re.compile(rule)  # 返回一个对象
s_compile = rule_compile.match(s)
print(s_compile.span())  #用span()处理返回的对象

结果为：

(0, 13)

2.4re模块的函数

re模块中除了上面介绍的findall()函数之外，还有其他的函数，来做一个介绍：

（1）findall()

根据正则表达式返回匹配到的所有字符串，这个我就不多说了，前面都是在介绍它。

（2）sub(正则,新字符串,原字符串)

sub() 函数的功能是替换字符串，例如：

s = \"abcabcacc\" #原字符串
l = re.sub(\"abc\",\"ddd\",s)   #通过sub()处理过的字符串
print(l)

输出：

ddddddacc #把abc全部替换成ddd

(3)subn(正则,新字符串,原字符串)

subn()的作用是替换字符串，并返回替换的次数

s = \"abcabcacc\" #原字符串
l = re.subn(\"abc\",\"ddd\",s)   #通过sub()处理过的字符串
print(l)

输出：

(\'bbbbbbacc\', 2)

（4）split()

split()分割字符串，例如：

s = \"abcabcacc\"
l = re.split(\"b\",s)
print(1)

输出结果：

[\'a\', \'ca\', \'cacc\']