Python 标准库 re

re 闲话

认识 re 还是我很早开始写爬虫的时候，那时候觉得匹配规则很难写，之前还遇到了一些坑，当然现在回头看觉得自己太蠢了。re 在不同编程语言中都有应用，最重要的匹配遇到的坑，有些方法只匹配开头，或者只匹配单行，而不是全部匹配，这也是我当时写了很久匹配不到的原因，反正大致是这个问题吧。主要是对 re 表达式 和 编程语言中的 re 模块使用都不是很了解，所以碰壁。

re 我愿称之为文本处理界的瑞士军刀，如果 re 解决不了的问题，大概没人能解决吧。但是术业有专攻，处理 json xml html 等都有对应的工具，没必要写个复杂的 re 去处理。

re 核心

“断言”

没错，我单独为它写一行，因为自从遇到了断言后我就没有不会写的匹配表达式了。

“正向先行断言，负向先行断言，正向后行断言，负向后行断言”

事实上，如果不是经常性写，很容易忘了这四个，但是没关系，用的时候搜断言，看看别人的举例就马上可以有概念了，留个印象即可。

下面贴上代码：

def regular_assertion():
    m_str = r'regex represents regular expression'
    print(f'match str：{m_str}')
    for index, value in enumerate(m_str):
        print(index, end='')
        print(value, end=' ')
    # 正向先行断言 负向先行断言 正向后行断言 负向后行断言
    reg = [r're(?=gular)', r're(?!g)', r'(?<=\w)re', r'(?<!\w)re']
    for i in range(4):
        print(f'\n匹配规则：{reg[i]}')
        m = re.finditer(reg[i], m_str)
        if m:
            print(f'匹配结果:')
            for _ in m:
                print(_, end=' ')
                print(_.group(), end='; ')
        
if __name__ == '__main__':
    regular_assertion()

    """打印结果
    match str：regex represents regular expression
    0r 1e 2g 3e 4x 5  6r 7e 8p 9r 10e 11s 12e 13n 14t 15s 16  17r 18e 19g 20u 21l 22a 23r 24  25e 26x 27p 28r 29e 30s 31s 32i 33o 34n 
    匹配规则：re(?=gular)
    匹配结果:
    <re.Match object; span=(17, 19), match='re'> re; 
    匹配规则：re(?!g)
    匹配结果:
    <re.Match object; span=(6, 8), match='re'> re; <re.Match object; span=(9, 11), match='re'> re; <re.Match object; span=(28, 30), match='re'> re; 
    匹配规则：(?<=\w)re
    匹配结果:
    <re.Match object; span=(9, 11), match='re'> re; <re.Match object; span=(28, 30), match='re'> re; 
    匹配规则：(?<!\w)re
    匹配结果:
    <re.Match object; span=(0, 2), match='re'> re; <re.Match object; span=(6, 8), match='re'> re; <re.Match object; span=(17, 19), match='re'> re; 
    """

解析：
[r’re(?=gular)‘, r’re(?!g)’, r’(?<=\w)re’, r’(?<!\w)re’]

举例：r’re(?=gular)’

r’ 这个是python表示raw字符串的含义，防止转义，写过代码的应该都知道 \t，\n 这类的

re 这个是表示匹配的对象是 re 字符串，也可以换成 \d+，\w，这类的正则表达式，你需要知道你的表达式的含义

(?=gular) 这个就是断言了

三者连起来就是 非转义的原生字符串(即完整的正则表达式)：re(?=gular)，匹配 re 这两个字母，且 re 后面跟的一定是 gular，即断言 re 后 跟 gular，匹配的结果是 re，并不包含断言内容

其他几个同理（其他几个稍微复杂一点点，一丢丢，嘿嘿，嘿嘿）

正则注意事项

大小写区分，在写代码的时候可以看看对应编程语言的参考手册，如何忽略大小写匹配，有些时候我们不在乎大小写的区别。

记住 “断言” 就好了，什么时候忘了，搜索 断言 + 正则 温习一下。