正則表達式re模塊

未經允許，不得擅自改動和轉載

正則表達式須知

• 正則表達式是用來匹配字符串非常強大的工具，在其他編程語言中同樣有正則表達式的概念，Python同樣不例外，利用了正則表達式，我們想要從返回的頁面內容提取出我們想要的內容就易如反掌了。

正則表達式的大致匹配過程是：
1.依次拿出表達式和文本中的字符比較，
2.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。
3.如果表達式中有量詞或邊界，這個過程會稍微有一些不同。

正則表達式語法規則

下面是Python中正則表達式的一些匹配規則，圖片資料來自CSDN

正則表達式

正則表達式特別強調

1. python轉義字符

   • 正則表達式使用反斜杠" \ "來代表特殊形式或用作轉義字符，這里跟Python的語法沖突，因此，Python用" \\ "表示正則表達式中的" \ "，因為正則表達式中如果要匹配" \ "，需要用\來轉義，變成" \ "，而Python語法中又需要對字符串中每一個\進行轉義，所以就變成了" \\ "。

   • Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r”\”表示。同樣，匹配一個數字的”\d”可以寫成r”\d”。有了原生字符串，媽媽也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀勒。

2. 貪婪模式和非貪婪模式

正則表達式通常用于在文本中查找匹配的字符串。Python里數量詞默認是貪婪的（在少數語言里也可能是默認非貪婪），總是嘗試匹配盡可能多的字符；非貪婪則相反，總是嘗試匹配盡可能少的字符。在"*","?","+","{m,n}"后面加上？,使貪婪變成非貪婪。

可參考： python 正則表達式的貪婪匹配與非貪婪匹配

Python Re模塊

Python 自帶了re模塊，它提供了對正則表達式的支持。主要用到的方法列舉如下

#返回pattern對象
re.compile(string[,flag])  
#以下為匹配所用函數
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])

在介紹這幾個方法之前，我們先來介紹一下pattern的概念，pattern可以理解為一個匹配模式，那么我們怎么獲得這個匹配模式呢？很簡單，我們需要利用re.compile方法就可以。例如

pattern = re.compile(r'hello')

另外大家可能注意到了另一個參數 flags，在這里解釋一下這個參數的含義：

參數flag是匹配模式，取值可以使用按位或運算符’|’表示同時生效，比如re.I | re.M。

可選值有：

 ? re.I(全拼：IGNORECASE): 忽略大小寫（括號內是完整寫法，下同）
 ? re.M(全拼：MULTILINE): 多行模式，改變'^'和'$'的行為（參見上圖）
 ? re.S(全拼：DOTALL): 點任意匹配模式，改變'.'的行為
 ? re.L(全拼：LOCALE): 使預定字符類 \w \W \b \B \s \S 取決于當前區域設定
 ? re.U(全拼：UNICODE): 使預定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
 ? re.X(全拼：VERBOSE): 詳細模式。這個模式下正則表達式可以是多行，忽略空白字符，并可以加入注釋。

在剛才所說的另外幾個方法例如 re.match 里我們就需要用到這個pattern了，下面我們一一介紹。

（1）re.match(pattern, string[, flags])

這個方法將會從string（我們要匹配的字符串）的開頭開始，嘗試匹配pattern，一直向后匹配，如果遇到無法匹配的字符，立即返回None，如果匹配未結束已經到達string的末尾，也會返回None。兩個結果均表示匹配失敗，否則匹配pattern成功，同時匹配終止，不再對string向后匹配。下面我們通過一個例子理解一下

# 將正則表達式編譯成Pattern對象，注意hello前面的r的意思是“原生字符串”
pattern = re.compile(r'hello')
 
# 使用re.match匹配文本，獲得匹配結果，無法匹配時將返回None
result1 = re.match(pattern,'hello')
result2 = re.match(pattern,'helloo CQC!')
result3 = re.match(pattern,'helo CQC!')
result4 = re.match(pattern,'hello CQC!')
 
#如果1匹配成功
if result1:
    # 使用Match獲得分組信息
    print(result1.group())
else:
    print ('1匹配失敗！')
 
 
#如果2匹配成功
if result2:
    # 使用Match獲得分組信息
    print(result2.group())
else:
    print( '2匹配失敗！')
 
 
#如果3匹配成功
if result3:
    # 使用Match獲得分組信息
    print( result3.group())
else:
    print('3匹配失敗！')
 
#如果4匹配成功
if result4:
    # 使用Match獲得分組信息
    print( result4.group())
else:
    print( '4匹配失敗！')

我們還看到最后打印出了result.group()，這個是什么意思呢？下面我們說一下關于match對象的的屬性和方法
Match對象是一次匹配的結果，包含了很多關于此次匹配的信息，可以使用Match提供的可讀屬性或方法來獲取這些信息。

1.group([group1, …]):
獲得一個或多個分組截獲的字符串；指定多個參數時將以元組形式返回。group1可以使用編號也可以使用別名；編號0代表整個匹配的子串；不填寫參數時，返回group(0)；沒有截獲字符串的組返回None；截獲了多次的組返回最后一次截獲的子串。
2.groups([default]):
以元組形式返回全部分組截獲的字符串。相當于調用group(1,2,…last)。default表示沒有截獲字符串的組以這個值替代，默認為None。

（2）re.search(pattern, string[, flags])

search方法與match方法極其類似，區別在于match()函數只檢測re是不是在string的開始位置匹配，search()會掃描整個string查找匹配，match（）只有在0位置匹配成功的話才有返回，如果不是開始位置匹配成功的話，match()就返回None。同樣，search方法的返回對象同樣match()返回對象的方法和屬性。我們用一個例子感受一下

# 將正則表達式編譯成Pattern對象
pattern = re.compile(r'world')
# 使用search()查找匹配的子串，不存在能匹配的子串時將返回None
# 這個例子中使用match()無法成功匹配
match = re.search(pattern,'hello world!')
if match:
    # 使用Match獲得分組信息
    print( match.group())

（3）re.split(pattern, string[, maxsplit])

按照能夠匹配的子串將string分割后返回列表。maxsplit用于指定最大分割次數，不指定將全部分割。我們通過下面的例子感受一下。

pattern = re.compile(r'\d+')
print( re.split(pattern,'one1two2three3four4'))
 
### 輸出 ###
# ['one', 'two', 'three', 'four', '']

（4）re.findall(pattern, string[, flags])

搜索string，以列表形式返回全部能匹配的子串。我們通過這個例子來感受一下

pattern = re.compile(r'\d+')
print( re.findall(pattern,'one1two2three3four4'))
 
### 輸出 ###
# ['1', '2', '3', '4']

（5）re.finditer(pattern, string[, flags])

搜索string，返回一個順序訪問每一個匹配結果（Match對象）的迭代器。我們通過下面的例子來感受一下

pattern = re.compile(r'\d+')
for m in re.finditer(pattern,'one1two2three3four4'):
    print( m.group()),
 
### 輸出 ###
# 1 2 3 4

（6）re.sub(pattern, repl, string[, count])

使用repl替換string中每一個匹配的子串后返回替換后的字符串。
當repl是一個字符串時，可以使用\id或\g、\g引用分組，但不能使用編號0。
當repl是一個方法時，這個方法應當只接受一個參數（Match對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。
count用于指定最多替換次數，不指定時全部替換。

pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
 
print( re.sub(pattern,r'\2 \1', s))
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print( re.sub(pattern,func, s))

（7）re.subn(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替換次數)。

pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
 
print( re.subn(pattern,r'\2 \1', s))
 
def func1(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print( re.subn(pattern,func1, s))
 
### output ###
# ('say i, world hello!', 2)
# ('I Say, Hello World!', 2)

參考：靜覓 ? Python爬蟲入門七之正則表達式
python中re項目詳解