詳解Python 正則表達式模塊

由于最近需要使用爬蟲爬取數據進行測試，所以開始了爬蟲的填坑之旅，那么首先就是先系統的學習下關于正則相關的知識啦。所以將下面正則方面的知識點做了個整理。語言環境為Python。主要講解下Python的Re模塊。

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

一、基礎語法總結

1.1、匹配單個字符

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

匹配單個字符（.）

規則：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（[^...]）

規則：字符集取非，除列出的字符之外的任意一個字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多個字符

* 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次區間內的任意一次

1.3、匹配位置

^ 匹配開始位置
$ 匹配結束位置
\A 匹配開始位置
\Z 匹配結束位置
\b 匹配單詞邊界位置（一般用于首字母大寫的匹配）
\B 匹配非單詞邊界問題

1.4、轉義

在正則表達式中有一類特殊字符需要轉移，只需要在特殊字符之間加上 \ 表示轉移即可

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

1.5、子組

使用() 可以為正則表達式建立內部分組，子組為正則表達式的一部分，可以看做一個內部整體。

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

正則表達式的重復匹配總是盡可能多的向后匹配更多的內容。 貪婪模式包括：* + ? {m,n}

非貪婪模式：盡可能少的匹配內容 貪婪模式轉換為非貪婪模式：*? +? ?? {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

接下來我所有函數里面的參數解釋如下：

pattern：正則表達式
string：目標字符串
pos：截取目標字符串起始位置
endpose：截取目標字符串結束位置
flags:功能標志
replaceStr：替換的字符串
max：最多替換幾處（默認替換全部）

有上圖我們看出來，接下來我們要將的Python中re模塊、regex對象、match對象三者之間是存在一定關系的。

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

2.1、compile

regex = re.compile(pattern, flags = 0) # 生成正則表達式對象

2.2、findall

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

2.3、split

re.split(pattern,string,flags) #根據正則表達式對目標字符串進行分割

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)  #使用正則表達式匹配目標字符串，返回一個match對象，match對象調用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) #完全匹配目標字符串，相當于加了^ 和 $

2.8、match

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

2.9、search

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

三、一些練習題

3.1、匹配首字母大寫的單詞

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、匹配數字（正數、負數、小數、百分數、分數）

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

以上所述是小編給大家介紹的Python 正則表達式模塊，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對億速云網站的支持！