Python3 re正则的基本使用方法

一、匹配模式字符

常用模式字符包括：

1. 不带\的模式字符

模式	描述
^	匹配开头
$	匹配结尾
.	匹配字符(正常情况不包括\n)
*	匹配字符0个或者多个
？	非贪婪匹配，既尽可能少的匹配
+	匹配至少一个
|	或者，如匹配png或者jpg结尾的图片: re.search('http://.{,100}(png|jpg)',imgstring)
[]	表示一组字符，如[abc],匹配a或者b或者c,如果[^abc]，则是匹配不是abc的
{}	限定匹配数量，如{2,4},表示最少2个，最多4个，忽略开头表示0，忽略结尾表示最多匹配
()	分组

2. 带\的特殊模式字符

\w	小写w，匹配数字、字母、下划线
\W	大写W，匹配非(数字、字母、下划线)
\s	小写s，匹配任意非空字符，[\t\n\r\f]
\S	大写S，匹配任意空字符
\d	小写d，匹配数字，[0-9]
\D	大写D，匹配非数字[^0-9]
\G	匹配最后匹配完成的位置
\b	小写b，匹配单词边界，比如匹配以es结尾的单词.'es\b'
\B	大写B，匹配非单词边界
\n,\t,\r,\f	换行，制表，回车，换页

表格参考[菜鸟教程](https://www.runoob.com/python3/python3-reg-expressions.html)，更多模式符号请移步

二、常用方法

1. re.match(pattren, string, flags) 只从开头开始匹配。如果开头不符合条件，则不符合

   import re
   string = '123456'
   re.match('\d23', string)  # 123
   re.match('\d45', string)  # none
   

2. re.search(pattren, string, flags) 跟match的区别是他可以在开头也可以在中间匹配，都是匹配一次

   import re
   string = '123456'
   re.search('\d23', string)  # 123
   re.search('\d45', string)  # 345
   

3. re.findall(pattren, string, flags) 匹配多次，返回列表，如果没有匹配成功，则返回空列表

   import re
   string = '1234512345'
   re.findall('\d23', string)  # ['123','123']
   

4. re.split(pattren, string, maxsplit, flags) 正则切割，跟str.split的区别是他可以在需要匹配的地方用正则表达式

   import re
   string = '1234512345'
   re.split('\d3', string)  # ['1','451','45']
   

5. re.sub(pattren, repl, string, count, flags) 正则替换，repl可以是字符串也可以是函数

   import re
   string = '1234512345'
   re.sub('\d3', 'aa', string)  # 1aa451aa45
   
   #repl为函数
   """
   假如我有'123451a2345'  我只想要23前面的数字的话就替换成AA,23前面不是数字的则不替换
   """
   import re
   string = '123451a2345'
   re.sub('\d23', 'AA', string)  #AA451a2345   他会把前面的\d也替换掉
   
   def replReplace(matched):
       return matched.group().replace('23', 'AA')
   
   re.sub('\d23', replReplace, string)  #1AA451a2345  符合要求
   
   

三、flags常用常量

1. re.I 全写re.IGNORECASE，忽略大小写

   import re
   string = '123Aa123'
   re.search('aa', string)  # None
   re.search('aa', string, re.I)  # Aa
   

2. re.A 全写re.ASCII,让\w、\b、\s、\d等特殊字符只匹配ASCII码,而不是匹配Unicode

   import re
   string = '我爱你520Love'
   re.search('\w+', string)  # '我爱你520Love'
   re.search('\w+', string, re.A)  # '520Love'  因为中文不在ASCII表
   

3. re.S 全写re.DOTALL让.匹配所有字符，包括\n换行符

   import re
   string = '123.\n123'
   re.search('3.*?3', string)  # None
   re.search('3.*?3', string, re.S)  # '3.\n123'
   

4. re.M 全写re.MULTILINE,多行模式，用^可以匹配多行模式下的开头。默认只能匹配第一个开头

   import re
   string = '123\n123'
   re.findall('^\d2', string)  # ['12']
   re.findall('^\d2', string, re.M)  # ['12', '12']
   

四、结合例子

1、比如匹配整个HTML页面的图片.
PS::需要注意的是 如果findall()里面包含有() 他会为里面的()分组，如果我们不在最外边加括号的话，那么我们只能得到他里面() 给我们所分的组。那为什么match() search()又不需要呢，是他们默认最外层有（括号）

# 页面源码是html
import re
imglist = re.findall('(http(s)?://.*?(png|jpg))', html)  #   返回列表[('最外层括号内容'，'顺序括号内容1', '顺序括号内容2'), ]
# 例如
html = 'url(http://img.baidu.com/img/baike/logo-baike.jpg)sfseurl(https://img.baidu.com/img/baike/logo-baike.png)'
imglist1 = re.findall('https{0,1}://.*?\.(png|jpg)', html)  # 不加括号，他只得到图片后缀 既 imglist1 = ['jpg', 'png']
imglist2 = re.findall('(https{0,1}://.*?\.(png|jpg))', html) # 加括号。imglist2 = [('http://img.baidu.com/img/baike/logo-baike.jpg', 'jpg'), ('https://img.baidu.com/img/baike/logo-baike.png', 'png')]

PS:正则还是要在实际情况中结合数据灵活运用。如有错误欢迎指出。谢谢