Python编程—正则表达式基础知识

• 正则表达式：简称regex，故在Python中通过re模块来支持正则表达式，它可以用来进行模式匹配、提取、查找和替换。通俗来讲，就是用特殊字符的组合来搜索匹配目标文本的一种表达式，在Python中我们可以用来提取目标文件，如爬虫时提取自己想要的文字信息。

1、常用正则表达式符号

了解正则表达式的定义之后，接下来就是利用正则表达的这些特殊符合和字符（又称元字符）来提取我们想要的信息了，下面以表格的形式列出常用的特殊字符的表示意义，并通过示例直观的了解其含义；

常见的正则表达式符号和字符

字符表示	描述	正则表达式模式串	匹配的字符串	备注
literal	直接匹配字面字符串literal	qwer	qwer	字面意思直接匹配
re1|re2	匹配正则表达式re1或者re2	apple|orange	at、orange	择一匹配，|就是常见的“或”d的意思
.	匹配任何单个字符（除/n外）	gr.st	grast、grbst、gr*st、	.可以匹配除"/n"之外的任何字符。
^	匹配字符串起始部分	^to	top、tolert	匹配任何以to开头的字符串
$	匹配字符串终止部分	com$	baidu.com 、Sogou.com	匹配任何以com结尾的字符串
*	匹配0次或多次其前字符
+	匹配1次或多次其前字符
？	匹配0次或1次其前字符
{N}	匹配N次其前的字符
{M，N}	匹配M~N次其前的表达式
[ ]	匹配[ ]里面的任何单个字符	y[opd]o	yoo、ypo、ydo	用于匹配[ ]特定的字符（或 的关系）

注：若想显示匹配句点（.）和其它一些本意的字符（$）怎么办呢？   使用反斜线转义字符，例如匹配.  则使用\.可以显示匹配.

原始字符：r    例如\b这类已经有个\了，\b表示ASCII字符的退格符，同时也是正则表达式的单词边界，当然我们可以使用\，但是有人觉得\\bText，实在是不好看，就规定说用r来表示吧，表示为r'\bText'。

还有一些简单的特殊字符的表示例如\d，\w，\s，\b，\c等这些特殊字符表示方法。也有一些扩展的表示方法，这些都是用方括号（）括着的，进行指定分组的匹配，这里不在一一列举，在任何Python教材基本都能查询这些表示方法，记住一些常见的特殊组合就行。

 

2、限定范围和否定表达式

首先了解一下搜索和匹配的不同

搜索：在字符串中的任意部分中进行搜索匹配

匹配：判断一个字符能否从起始处全部或者部分的匹配某个模式。

连字符（-）：指定的字符范围，如A-Z、a-z或者0-9分别表示大写字母、小写字母和数值数字。

脱字符（^）：如果它紧跟在左方括号后面，表示为不匹配给定字符集中的任何一个字符。

限定范围和否定

正则表达式模式	匹配的字符串	备注
m.[0-9]	字母m后面跟着任何一个字符，然后跟着一个数字
[^aeiou]	匹配一个非元音字符
[^\t\n]	不匹配制表符或者/n
["-a]	在ASCII系统中，所有字符位于“ ”和“a”之间	即在34-97之间

对于匹配的次数我们需要了解一下什么是贪婪匹配；

贪婪匹配：顾名思义，贪婪的匹配所有符合的字符串，

非贪婪模式：使用问号（?）去贪婪，匹配尽可能少的字符，尽可能留下多的字符给后面的模式（如果存在）。

3、正则表达式与Python

Python语言通过re模块支持正则表达式。下面我们就以通俗的语言介绍一下re模块的一些核心函数和方法，当然具体使用方法可以参考官方文档；

常见的正则表达式属性

函数/方法	描述	备注
compile(patter,flags=0)	编译正则表达式，返回一个正则表达式对象。
match(patter,string,flags=0)	从起始位置开始匹配	成功的话，返回匹配对象
search(patter,string,flags=0)	搜索字符串中包含的要匹配的字符串
findall(patter,string,[.flags])	查询全部的非重复情况	返回一个列表，包含所有的成功匹配的部分
finditer(patter,string,[.flags])		在匹配对象中迭代
spilt(patter,string,max=0)	分割字符串	返回分割后的列表
re模块函数和正则表达式对象方法
sub(patter,repl,string,count=0)	搜索和替换	subn()还返回了一个替换的总数
purge()
常用的匹配对象方法
group(num=0)	返回整个匹配对象，或特定子组	输出匹配成功的字符串 \n，n表示分组编号，可以转换顺序。
groups(default=None)	返回一个元组	获取所有匹配成功的子组 无子组则返回为空
groupdict(default=None)
常用的模块属性
re.I	不区分大小写
re.L
re.M
re.S
re.X
扩展符号
（?:）	进行分组但不保存