正则表达式笔记

由于需要做毕设的网络爬虫部分，有许多之前学的部分很多都没有彻底吃透，现在又回炉重做，学了一下正则表达式。

常用的匹配规则：（这个记忆还是有问题，有些简单的还是可以记住的，还是需要经常翻阅）

\w		匹配字母、数字、下划线,等价于[a-z|A-Z|0-9] \w可以匹配汉字(python),
\W		匹配不是字母、数字、下划线的其他字符
\s		匹配任意空白字符,等价于(\t\n\r\f)
\S		匹配任意非空字符
\b      字符边界，匹配空格，标点符号或者换行符，只匹配一个位置
\d		匹配数字,等价于[0-9]
\D		匹配不是数字的字符
\A		匹配字符串开头
\Z		匹配字符串结尾的,如果存在换行,只匹配到换行前的结束字符串
\z		匹配字符串结尾的,如果存在换行,同时匹配换行符
\G		匹配最后完成匹配的位置
\n		匹配一个换行符
\t		匹配一个制表符(tab)
^		匹配一行字符串的开头
$		匹配一行字符串的结尾
.		匹配任意字符,除了换行符.当re.DOTALL标记被指定时,这可以匹配包括换行符在内的任字符
[…]		用来表示一组字符,比如[abc]表示匹配a或b或c,[a-z],[0-9]
[^…]	匹配不在[]里面的字符,比如[^abc]匹配除a,b,c以外的字符
*		匹配0个或多个字符
+		匹配1个或多个字符
?		匹配0个或1个前面的正则表达式片段
?P<name>命名一个name的组 
?i      不区分大小写
?=*     匹配*前面的字段
?!*     不匹配*
?:*     匹配*
?<=*    匹配*后面的字段
?<!*    不匹配*
{n}		精确匹配前面n个前面的表达式,如\d{5}表示匹配5个数字
{n,m}	匹配前面的表达式n到m次,贪婪模式
a|b		匹配a或者b
(…)		匹配括号里的表达式,也可以表示一个组
常用组合匹配规则：
.*：匹配0个或多个出换行符以外的任意字符
.*?：表示尽可能少地匹配字符（感觉这个3个字符匹配一切）

re.match()
语法：
re.match(pattern,string,modifier)，
其中pattern是正则表达式，string是要匹配的字符串，modifier是修饰符控制正则的匹配方式。

示例：

import re

string = 'Hello World! My Name is fz'
pattern = '^Hello\s\S\S\S\S\S\S'
result = re.match(pattern,string)
print(result)  

输入结果：<re.Match object; span=(0, 12), match='Hello World!'>
#span() ：输出匹配的范围

下面来介绍modifier，也就是修饰符

re.I：使得匹配不区分大小写
re.L：做本地化识别匹配
re.M：多行匹配，对匹配开头^和结尾$有影响
re.S：使得.匹配包括换行符在内的所有字符（这个好像比较常用，可以记忆）
re.U：根据Unicode字符集解析字符
re.X：赋予更灵活的格式有助于正则表达式的理解

示例：

import re

string = '''Hello World!
	 My Name is fz
	 teleponeNumber is 1111111
	 '''
pattern = '^Hello.*?is(.*?)teleponeNumber.*?(\d+)'
result = re.match(pattern,string,re.S)
strResult = result.group()
strResultSecond = result.group(1)
strResultThird = result.group(2)
print(strResult)
print(strResultSecond)
print(strResultThird)


运行结果是：Hello World!
         My Name is fz
         teleponeNumber is 1111111
 fz
         
1111111

注意：本来楼主写的时候加了\s换行符，结果出错，由于加了re.S的模式，就不需要考虑换行的问题。

转义符：\
说明：当匹配字符串中包含匹配符时，需要转义使其不产生匹配的作用。

示例：

import re

string = "Hello World! My Name is fz(论文真难写) I'm hanhan"
pattern = '^He.*?\(论文真难写\)'
result = re.match(pattern,string)
strResult = result.group()
print(strResult)

运行结果：Hello World! My Name is fz(论文真难写)

注意：^匹配时前面字符不一定要写全。

re.search()
说明：与match区别在于，match从头开始匹配，一旦字符串开始位置不符合正则表达式就会匹配失败；search匹配整个字符串。

示例：

import re

string = "Hello World! My Name is fz(论文真难写) I'm hanhan"
pattern = 'My.*?\(论文真难写\)'
result = re.search(pattern,string)
strResult = result.group()
print(strResult)

运行结果：My Name is fz(论文真难写)

re.findall()
说明：当被匹配的字符串中有多个符合正则表达式时，使用re.findall()可以获得符合正则表达式的所有内容。
示例：

import re

string = """
    Hello World! My Name is fz(论文真难写) I'm hanhan
    Hello World! My Name is fz(python很强) I'm hanhan
    Hello World! My Name is fz(爬虫好难) I'm hanhan
"""
pattern = 'My.*?fz\(.*?\)\s'
result = re.findall(pattern,string,re.S)
for num in result:
    print(num)

运行结果：My Name is fz(论文真难写) 
My Name is fz(python很强) 
My Name is fz(爬虫好难) 

re.sub()
语法：
re.sub(pattern,replace,string)，
其中pattern是被替代的字符的正则表达式，replace是用于替换的字符，string是要匹配的字符串。

说明：sub()的意义在于可以快速对匹配的字符串进行处理，比如去除掉字符串中的数字字符。
示例：

import re

string = 'Hello World!My Name is fz.TeleponeNumber is 1111111'
pattern = '\d+'
replace = "10086"
result = re.sub(pattern,replace,string,re.S)
print(result)

运行结果：Hello World!My Name is fz.TeleponeNumber is 10086

re.compile()
说明：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。

语法：
re.compile(pattern,modifier)，
其中pattern是正则表达式，modifier是修饰符。

示例：
 

import re
string = 'noneone123haha90'
pattern=re.compile('\d+')
m=pattern.match(string)
print(m)
运行结果：None
import re
string = 'noneone123haha90'
pattern=re.compile('\d+')
m=pattern.match(string,7,14)
print(m)
print(m.group())
print(m.start())
print(m.end())
print(m.span())
运行结果：<re.Match object; span=(7, 10), match='123'>
123
7
10
(7, 10)