由于最近需要使用爬蟲(chóng)爬取數(shù)據(jù)進(jìn)行測(cè)試，所以開(kāi)始了爬蟲(chóng)的填坑之旅，那么首先就是先系統(tǒng)的學(xué)習(xí)下關(guān)于正則相關(guān)的知識(shí)啦。所以將下面正則方面的知識(shí)點(diǎn)做了個(gè)整理。語(yǔ)言環(huán)境為Python。主要講解下Python的Re模塊。

下面的語(yǔ)法我就主要列出一部分，剩下的在python官網(wǎng)直接查閱即可： docs.python.org/3/library/r…

一、基礎(chǔ)語(yǔ)法總結(jié)

1.1、匹配單個(gè)字符

a . \d \D \w \W \s \S [...] [^...]

匹配單個(gè)字符（.）

規(guī)則：匹配除換行之外的任意字符

In [24]: re.findall("f.o","foo is not fao")
Out[24]: ['foo', 'fao']

匹配任意（非）數(shù)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] 同時(shí)也包括漢字
\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（[^...]）

規(guī)則：字符集取非，除列出的字符之外的任意一個(gè)字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多個(gè)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次區(qū)間內(nèi)的任意一次

1.3、匹配位置

^ 匹配開(kāi)始位置
$ 匹配結(jié)束位置
\A 匹配開(kāi)始位置
\Z 匹配結(jié)束位置
\b 匹配單詞邊界位置（一般用于首字母大寫(xiě)的匹配）
\B 匹配非單詞邊界問(wèn)題

1.4、轉(zhuǎn)義

在正則表達(dá)式中有一類(lèi)特殊字符需要轉(zhuǎn)移，只需要在特殊字符之間加上 \ 表示轉(zhuǎn)移即可

. * + ? ^ $ [] {} () | \

1.5、子組

使用() 可以為正則表達(dá)式建立內(nèi)部分組，子組為正則表達(dá)式的一部分，可以看做一個(gè)內(nèi)部整體。

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、貪婪模式和非貪婪模式

正則表達(dá)式的重復(fù)匹配總是盡可能多的向后匹配更多的內(nèi)容。 貪婪模式包括：* + ? {m,n}

非貪婪模式：盡可能少的匹配內(nèi)容 貪婪模式轉(zhuǎn)換為非貪婪模式：*? +? ?? {m,n}?

In [106]: re.findall(r"ab+?","abbbbbbbb")
Out[106]: ['ab']
In [107]: re.findall(r"ab??","abbbbbbbb")
Out[107]: ['a']

二、Re模塊

接下來(lái)我所有函數(shù)里面的參數(shù)解釋如下：

pattern：正則表達(dá)式
string：目標(biāo)字符串
pos：截取目標(biāo)字符串起始位置
endpose：截取目標(biāo)字符串結(jié)束位置
flags:功能標(biāo)志
replaceStr：替換的字符串
max：最多替換幾處（默認(rèn)替換全部）

有上圖我們看出來(lái)，接下來(lái)我們要將的Python中re模塊、regex對(duì)象、match對(duì)象三者之間是存在一定關(guān)系的。

1、re模塊的compile方法返回一個(gè)regex對(duì)象
2、re模塊和regex對(duì)象的finditer()、fullmatch()、match()、search()等方法返回一個(gè)match對(duì)象
3、他們分別有自己的屬性和方法

2.1、compile

regex = re.compile(pattern, flags = 0) # 生成正則表達(dá)式對(duì)象

2.2、findall

re.findall(pattern,string,pos,endpose) # 從目標(biāo)字符串中匹配所有符合條件的內(nèi)容

2.3、split

re.split(pattern,string,flags) #根據(jù)正則表達(dá)式對(duì)目標(biāo)字符串進(jìn)行分割

In [79]: re.split(r'\s+',"Hello World")
Out[79]: ['Hello', 'World']

2.4、sub

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，但是返回值返回替換后的字符串和替換了幾處

In [80]: re.sub(r'\s+',"##","hello world")
Out[80]: ('hello##world',1)

2.6、finditer

re.finditer(pattern,string)  #使用正則表達(dá)式匹配目標(biāo)字符串，返回一個(gè)match對(duì)象，match對(duì)象調(diào)用group()之后才能拿到值

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())
 ....: 
2014
08
512

2.7、fullmatch

fullmatch(pattern,string,flags) #完全匹配目標(biāo)字符串，相當(dāng)于加了^ 和 $

2.8、match

re.match(pattern,string,flags)  #匹配目標(biāo)字符串開(kāi)頭的位置

2.9、search

re.search(pattern,string,flags) #  正則表達(dá)式匹配目標(biāo)字符串，只匹配第一處

三、一些練習(xí)題

3.1、匹配首字母大寫(xiě)的單詞

import re
f = 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文檔內(nèi)容如下：

Hello World -12.6
Nihao 123
How are you -12
1.24
asdk 34%,
占比 1/2
2003 - 2005./%

3.2、匹配數(shù)字（正數(shù)、負(fù)數(shù)、小數(shù)、百分?jǐn)?shù)、分?jǐn)?shù)）

import re
pattern = "-?\d+((/?\d+)|((\.)?\d+)|((\%)?))"
f = open('test.txt')
l = []
for line in f:
 l += re.finditer(pattern,line)
for i in l:
 print(i.group())

總結(jié)

以上所述是小編給大家介紹的Python 正則表達(dá)式模塊，希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

最新評(píng)論