python正则表达式

字符含义
\ . 表示要匹配字符后一个或前一个，包括字符，可和 . 结合使用

\ * 表示匹配某个字符后面所有或者前面所有，包括空的

+ 表示匹配某个字符后面所有或者前面所有，不包括空的

? 表示匹配字符前面一个或者后面一个，包括空的，结合 . 使用

.*? .+? 非贪婪模式 加问号

{} 表示 前面的字符匹配 指定的次数
[] 表示要匹配 指定的几个字符之一
比如
\d 匹配0-9之间任意一个数字字符，等价于表达式 [0-9]
\D 匹配任意一个不是0-9之间的数字字符，等价于表达式 [^0-9]
\s 匹配任意一个空白字符，包括 空格、tab、换行符等，等价于表达式 [\t\n\r\f\v]
\S 匹配任意一个非空白字符，等价于表达式 [^ \t\n\r\f\v]
\w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式 [a-zA-Z0-9_]
缺省情况也包括 Unicode文字字符，如果指定 ASCII 码标记，则只包括ASCII字母
\W 匹配任意一个非文字字符，等价于表达式 [^a-zA-Z0-9_]
＄ 终止符 到某个字符终止时使用

写法：

我们分别介绍一下它们的含义：
点-匹配所有字符
. 表示要匹配除了 换行符 之外的任何 单个 字符。
比如，你要从下面的文本中，选择出所有的颜色。
苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的
也就是要找到所有 以 色 结尾，并且包括前面的一个字符的 词语。
就可以这样写正则表达式 .色 。
其中 点 代表了任意的一个字符， 注意是一个字符。
.色 合起来就表示 要找 任意一个字符 后面是 色 这个字， 合起来两个字的 字符串
验证一下，如下图所示

只要表达式正确，就可以写在Python代码中，如下所示

content = ‘’‘苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的’’’
import re
p = re.compile(r’.色’)for one in p.findall(content):
print(one)

运行结果如下
绿色
橙色
黄色
黑色
星号-重复匹配任意次

• 表示匹配前面的子表达式任意次，包括0次。
  比如，你要从下面的文本中，选择每行逗号后面的字符串内容，包括逗号本身。注意，这里的逗号是中文的逗号。
  苹果，是绿色的
  橙子，是橙色的
  香蕉，是黄色的
  乌鸦，是黑色的
  猴子，
  就可以这样写正则表达式 ，.* 。
  紧跟在 . 后面， 表示 任意字符可以出现任意次， 所以整个表达式的意思就是在逗号后面的 所有字符，包括逗号
  验证一下，如下图所示

特别是最后一行，猴子逗号后面没有其它字符了，但是*表示可以匹配0次， 所以表达式也是成立的。

只要表达式正确，就可以写在Python代码中，如下所示
content = ‘’‘苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，’’’
import re
p = re.compile(r’，.’)for one in p.findall(content):
print(one)
运行结果如下
，是绿色的
，是橙色的
，是黄色的
，是黑色的
，
注意， . 在正则表达式中非常常见，表示匹配任意字符任意次数。
当然这个 * 前面不是非得是 点 ，也可以是其它字符，比如

加号-重复匹配多次

• 表示匹配前面的子表达式一次或多次，不包括0次。
  比如，还是上面的例子，你要从文本中，选择每行逗号后面的字符串内容，包括逗号本身。
  但是 添加一个条件， 如果逗号后面 没有内容，就不要选择了。
  比如，下面的文本中，最后一行逗号后面 没有内容，就不要选择了。
  苹果，是绿色的
  橙子，是橙色的
  香蕉，是黄色的
  乌鸦，是黑色的
  猴子，
  就可以这样写正则表达式 ，.+ 。
  验证一下，如下图所示

最后一行，逗号后面没有其它字符了，+表示至少匹配1次， 所以最后一行没有子串选中。
问号-匹配0-1次
? 表示匹配前面的子表达式0次或1次。
比如，还是上面的例子，你要从文本中，选择每行逗号后面的1个字符，也包括逗号本身。
苹果，绿色的
橙子，橙色的
香蕉，黄色的
乌鸦，黑色的
猴子，
就可以这样写正则表达式 ，.? 。
验证一下，如下图所示

最后一行，逗号后面没有其它字符了，但是?表示匹配1次或0次， 所以最后一行也选中了一个逗号字符。
花括号-匹配指定次数
花括号表示 前面的字符匹配 指定的次数 。
比如 ，下面的文本
红彤彤，绿油油，黑乎乎乎乎，绿油油油油
表达式 油{3} 就表示匹配 连续的 油 字 3次
表达式 油{3,4} 就表示匹配 连续的 油 字 至少3次，至多 4 次
就只能匹配 后面的，如下所示：

贪婪模式和非贪婪模式
我们要把下面的字符串中的所有html标签都提取出来，
source = ‘’
得到这样的一个列表
[’’, ‘’, ‘’]
很容易想到使用正则表达式 <.>
写出如下代码
source = ‘’
import re
p = re.compile(r’<.>’)
print(p.findall(source))
但是运行结果，却是
[‘’]
怎么回事？ 原来 在正则表达式中， ‘’, ‘+’, ‘?’ 都是贪婪地，使用他们时，会尽可能多的匹配内容，
所以， <.> 中的 星号（表示任意次数的重复），一直匹配到了 字符串最后的 里面的e。
解决这个问题，就需要使用非贪婪模式，也就是在星号后面加上 ? ，变成这样 <.*?>
代码改为

source = ‘’
import re# 注意多出的问号
p = re.compile(r’<.?>’)
print(p.findall(source))
对元字符的转义
反斜杠 \ 在正则表达式中有多种用途。
比如，我们要在下