一、導(dǎo)入re庫

python使用正則表達(dá)式要導(dǎo)入re庫。

import re

在re庫中。正則表達(dá)式通常被用來檢索查找、替換那些符合某個模式(規(guī)則)的文本。

二、使用正則表達(dá)式步驟

1、尋找規(guī)律；

2、使用正則符號表示規(guī)律；

3、提取信息，如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。

三、正則表達(dá)式中常見的基本符號

1．點號“.”

    一個點號可以代替除了換行符（\n）以外的任何一個字符，包括但不限于英文字母、數(shù)字、漢字、英文標(biāo)點符號和中文標(biāo)點符號。

2．星號“*”

    一個星號可以表示它前面的一個子表達(dá)式（普通字符、另一個或幾個正則表達(dá)式符號）0次到無限次。

3．問號“?”

    問號表示它前面的子表達(dá)式0次或者1次。注意，這里的問號是英文問號。

4．反斜杠“\”

    反斜杠在正則表達(dá)式里面不能單獨使用，甚至在整個Python里都不能單獨使用。反斜杠需要和其他的字符配合使用來把特殊符號變成普通符號，把普通符號變成特殊符號。如：“\n”。

5．?dāng)?shù)字“\d”

    正則表達(dá)式里面使用“\d”來表示一位數(shù)字。再次強調(diào)一下，“\d”雖然是由反斜杠和字母d構(gòu)成的，但是要把“\d”看成一個正則表達(dá)式符號整體。

6．小括號“()”

小括號可以把括號里面的內(nèi)容提取出來。

四、常見的正則表達(dá)式舉例

1.  .*?（匹配所有內(nèi)容）

例如：'<title>(.*?)</title>'   將網(wǎng)頁的標(biāo)題爬取下來。

2、\w 單詞字符[A-Za-z0-9_]， "+" 匹配前一個字符1次或無限次 例如：一個人的郵箱是這樣的lixiaomei@qq.com，那么我們?nèi)绾螐囊淮蠖训淖址阉崛〕鰜砟兀?nbsp;

pattern: \w+@\w+\.com

思考：若郵箱為hello123@heuet.edu.com,如何匹配？

pattern:\w+@(\w+\.)?\w+\.com

?代表了匹配0次或者1次括號分組內(nèi)的匹配內(nèi)容，"()"則表示被括內(nèi)容是一個分組，分組序號從pattern字符串起始往后依次排列。因為是匹配0次或1次，那么就意味著括號內(nèi)的部分是可有可無的，所以這個pattern就可能匹配以上兩種郵箱格式。

擴展： \w+@(\w+\.)*\w+\.com 模式就更厲害了，" * " 可以匹配0次或無限次。

五、re庫的核心函數(shù)

1、compile()函數(shù) （可有可無）

• 函數(shù)定義： compile（pattern， flag=0）
• 函數(shù)描述：編譯正則表達(dá)式pattern，然后返回一個正則表達(dá)式對象。

為什么要對pattern進(jìn)行編譯呢？《Python核心編程》里面是這樣解釋的：

使用預(yù)編譯的代碼對象比直接使用字符串要快，因為解釋器在執(zhí)行字符串形式的代碼前都必須把字符串編譯成代碼對象。

2、match()函數(shù)

• 函數(shù)定義： match（pattern， string， flag=0）
• 函數(shù)描述：只從字符串的最開始與pattern進(jìn)行匹配，匹配成功返回匹配對象（只有一個結(jié)果），否則返回None。

問題來了，為什么result1結(jié)果有這么多的東西??？貌似最后一個才是要匹配的對象。這個要怎么提取出來呀？

別著急，我們現(xiàn)在得到的是匹配對象，需要用一定的方法提取，后面會在《匹配對象的方法》章節(jié)來解決這個問題，繼續(xù)往下看。

3、search()函數(shù)

• 函數(shù)定義： search（pattern， string， flag=0）
• 函數(shù)描述：與match()工作的方式一樣，但是search()不是從最開始匹配的，而是從任意位置查找第一次匹配的內(nèi)容。如果所有的字串都沒有匹配成功，返回None，否則返回匹配對象。

4、findall()函數(shù)

• 函數(shù)定義： findall（pattern， string [,flags]）
• 函數(shù)描述：查找字符串中所有出現(xiàn)的正則表達(dá)式模式，并返回一個匹配列表

上面同時列出了match、search、findall三個函數(shù)用法。findall與match和search不同的地方是它會返回一個所有無重復(fù)匹配的列表。如果沒找到匹配部分，就返回一個空列表。六、匹配對象的方法（提取）

以上re模塊函數(shù)的返回內(nèi)容可以分為兩種：

• 返回匹配對象：就是上面如 <_sre.SRE_Match object; span=(0, 5), match='12345'>這樣的對象，可返回匹配對象的函數(shù)有match、search、finditer。
• 返回一個匹配的列表：返回列表的就是 findall。

因此匹配對象的方法只適用match、search、finditer，而不適用與findall。

常用的匹配對象方法有這兩個：group、groups、還有幾個關(guān)于位置的如 start、end、span就在代碼里描述了。

1、group方法

• 方法定義：group(num=0)
• 方法描述：返回整個的匹配對象，或者特殊編號的字組

再看下面的實例：

這里就需要用到我們之前提到的分組概念。

分組的意義在于：我們不僅僅想得到匹配的整個字符串，我們還想得到整個字符串里面的特定子字符串。如上例中，整個字符串是“我12345+abcde”，但是想得到 “abcde”，我們就可以用（）括起來。因此，你可以對pattern進(jìn)行任何的分組，提取你想得到的內(nèi)容。

2、groups方法

• 方法定義：groups(default =None)
• 方法描述：返回一個含有所有匹配子組的元組，匹配失敗則返回空元組

七、re模塊的屬性（flag）

re模塊的常用屬性有以下幾個：

• re.I: 匹配不分大小寫；(常用)
• re.L: 根據(jù)使用的本地語言環(huán)境通過\w, \W, \b, \B, \s, \S實現(xiàn)匹配；
• re.M: ^和$分別匹配目標(biāo)字符串中行的起始和結(jié)尾，而不是嚴(yán)格匹配整個字符串本身的起始和結(jié)尾；
• re.S: “.”（點號）通常匹配除了\n（換行符）之外的所有單個字符,該標(biāo)記表示“.”（點號）能夠匹配全部字符；（常用）
• re.X: 通過反斜線轉(zhuǎn)義，否則所有空格加上#（以及在該行中所有后續(xù)文字）都被忽略，除非在一個字符類中或者允許注釋并且提高可讀性；

注意:

如果我們定義了compile編譯，需要先將flag填到compile函數(shù)中，否則填到匹配函數(shù)中會報錯； 如果沒有定義compile，則可以直接在匹配函數(shù)findall中填寫flag。

附錄：

正則表達(dá)式中語法一覽表

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論