re正则表达式

一、常用的匹配规则

在线正则表达式测试工具https://tool.oschina.net/regex/?optionGlobl=global#，输入待匹配的文本， 然后选择常用的正则表达式，就可以得相应的匹配结果了。

二、python正则库re及方法

1.match()

**介绍：**从字符串的起始位置开始匹配；在match （）方法中，第一个参数传入了正则表达式:pattern，第二个参数传入了要匹配的字符串:string。

函数：re.match(pattern,string)得到的结果是到结果是SRE_Match 对象。该对象有两种方法：

• re.match().group():正则表达式规则所匹配的内容;
• re.match().span()：输出匹配的范围

**目标匹配:**使用（）括号将想提取的子字符串括起来，（）实际上标记了一个子表达式的开始和结束位置，被标记的每个子表达式会依次对应每一个分组，调用group （）方法传入分组的索引即可获取提取的结果。

connent = 'hello 123 4557 world_This is phone'
result = re.match('^hello\s(\d+)\s(\d+)\s\w{10}',connent)
print(result.group(1))

通用匹配：.*;将中间部分直接省略，全部用． ＊来代替，最后加一个结尾字符串

connent = 'hello 123 4557 world_This is phone'
#result1 = re.match('.*',connent)
#result1 = re.match('hello.*is',connent)
result1 = re.match('hello.*phone$',connent)
print(result1)
print(result1.group())
print(result1.span())

贪婪与非贪婪:

• 贪婪: .＊会匹配尽可能多的字符,有时候，匹配结果会莫名其妙少了一部分内容。

connent = 'hello 123 4557 world_This is phone'
result2 = re.match('hello.*(\d+).*phone$',connent)
print(result2)
print(result2.group(1))
print(result2.span())

结果只有7

• 非贪婪：.＊？尽可能匹配少的字符

connent = 'hello 123 4557 world_This is phone'
result2 = re.match('hello.*?(\d+).*phone$',connent)
print(result2)
print(result2.group(1))
print(result2.span())

结果是：123

所以说，在做匹配的时候，字符串中间尽量使用非贪婪匹配，也就是用.*?叫来代替.＊，以免出现匹配结果缺失的情况。

**注意：**如果匹配的结果在字符串结尾.*?就有可能匹配不到任何内容了，因为它会匹配尽可能少的字符。

修饰符
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。如换行符
注意：．匹配的是除换行符之外的任意字符；当遇到换行符时，.*?的就不能匹配了，所以导致匹配失败。这里只需加一个修饰符re.S ，即可修正这个错误：

connent1 = 'hello 123 4557 world_This ' \
           'is phone'
result3 = re.match('hello.*?(\d+).*phone$',connent1,re.S)
print(result3)
print(result3.group(1))
print(result3.span())

re.S 在网页匹配中经常用到。因为HTML 节点经常会有换行，加上它，就可以匹配节点与节点之间的换行了。

转义匹配
我们知道正则表达式定义了许多匹配模式，如． 匹配除换行符以外的任意字符，但是如果目标字符串里面就包含．，那该怎么办呢？这里就需要用到转义匹配了。
当遇到用于正则匹配模式的特殊字符时，在前面加反斜线转义一下即可。例如.就可以用.来匹配。

connent2 = 'hello.1234557 world_This ' \
           'is phone'
result4 = re.match('hello\.*?(\d+).*phone$',connent2,re.S)
print(result4)
print(result4.group(1))
print(result4.span())


connent2 = 'hello.1234557*world_This ' \
           'is phone'
result4 = re.match('hello\.*?(\d+)\*',connent2,re.S)
print(result4)
print(result4.group(1))
print(result4.span())

2.search()

match （）方法是从字符串的开头开始匹配的,search ()它在匹配时会扫描整个字符串，然后返回第一个成功匹配的结果。也就是说，正则表达式可以是字符串的一部分，在匹配时， search ()方法会依次扫描字符串，直到找到第一个符合规则的字符串，然后返回匹配内容，如果搜索完了还没有找到，就返回None 。

尝试提取class 为active 的li 节点内部的超链接包含的歌手名和歌名，此时需要提
取第三个li 节点下a 节点的singer 属性和文本。

3.findall()

search （）方法的用法，它可以返回匹配正则表达式的第一个内容，但是如果想要获取匹配正则表达式的所有内容，那该怎么办呢？这时就要借助findall （）方法了。

findall （）该方法会搜索整个字符串，然后返回匹配正则表达式的所有内容。还是上面的HTML 文本，如果想获取所有a 节点的超链接、歌手和歌名，就可以将search （）方法换成findall （）方法。如果有返回结果的话，就是列表类型，所以需要遍历一下来依次获取每组内容。代码如下：

4.sub（）

可以修改文本内容，比如去掉一串文本中的数字。

5.compile()

前面所讲的方法都是用来处理字符串的方法，最后再介绍一下compile （）方法，这个方法可以将
正则字符串编译成正则表达式对象，以便在后面的匹配中复用。示例代码如下：

另外， compile （）还可以传入修饰符，例如re . S 等修饰符，这样在seach（） 、findall（） 等方法中就不需要额外传了。所以， compile （）方法可以说是给正则表达式做了一层封装，以使我们更好地复用。