python正则匹配基础知识和re库的使用

前言

python正则的使用范围十分广泛，不论是在爬虫中还是在项目开发过程中都离不开正则匹配，对于刚学习正则的人来说看到正则匹配的式子会感到很迷惑，不知所云，本文就从基础的正则开始一步一步加强。

用字符来描述字符

因为正则表达式也是用字符串表示的，所以，我们要首先了解如何用字符来描述字符。
基本正则字符串

\d:匹配一个数字
\w:匹配一个数字或字母
\s：匹配一个空格
.:匹配任意字符
*:匹配任意个字符（包括0个）
+:匹配至少一个字符
？:匹配0个或1个字符
^:匹配的表达式以^后的字符开始
$:匹配的表达式以$前的字符结束
A|B:匹配A或B
.*?:非贪婪匹配

更多匹配特殊字符可以参考
https://docs.python.org/zh-cn/3/library/re.html

re库的使用

Python提供re模块，包含所有正则表达式的功能。为了避免python和正则表达式对转义“\”造成冲突，re提供了‘r’前缀，例如r"\n" 表示包含 “\” 和 “n” 两个字符的字符串，而 “\n” 则表示只包含一个换行符的字符串。

re.compile(pattern, flags=0)

如果一个正则表达式要重复使用几千次，出于效率的考虑，我们可以预编译该正则表达式，接下来重复使用时就不需要编译这个步骤了，直接匹配：

>>> import re
# 编译:
>>> re_telephone = re.compile(r'^(\d{3})-(\d{3,8})$')
# 使用：
>>> re_telephone.match('010-12345').groups()
('010', '12345')
>>> re_telephone.match('010-8086').groups()
('010', '8086')

re.cearch(pattern, string, flags=0)

扫描整个字符串找到匹配样式的第一个位置，并返回一个相应的 匹配对象。如果没有匹配，就返回一个 None。

re.match(pattern, string, flags=0)

如果 string 开始的0或者多个字符匹配到了正则表达式样式，就返回一个相应的 匹配对象 。 如果没有匹配，就返回 None ；注意即便是 MULTILINE 多行模式， re.match() 也只匹配字符串的开始位置，而不匹配每行开始。

re.split(pattern, string, maxsplit=0, flags=0)

用 pattern 分开 string 。 如果在 pattern 中捕获到括号，那么所有的组里的文字也会包含在列表里。如果 maxsplit 非零， 最多进行 maxsplit 次分隔， 剩下的字符全部返回到列表的最后一个元素。

>>> re.split(r'\W+', 'Words, words, words.')
['Words', 'words', 'words', '']
>>> re.split(r'(\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']
>>> re.split(r'\W+', 'Words, words, words.', 1)
['Words', 'words, words.']
>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']

re.findall(pattern, string, flags=0)

对 string 返回一个不重复的 pattern 的匹配列表， string 从左到右进行扫描，匹配按找到的顺序返回。如果样式里存在一到多个组，就返回一个组合列表；就是一个元组的列表（如果样式里有超过一个组合的话）。空匹配也会包含在结果里。

re.sub(pattern, repl, string, count=0, flags=0)

re.sub用于替换字符串中的匹配项。先用pattern匹配到string中要替换的对象，然后用repl替换掉即可，repl可以是表达式也可以是函数，具体实现参考
https://blog.csdn.net/weixin_38819889/article/details/93845829?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.nonecase

re.escape(pattern)

转义 pattern 中的特殊字符。如果你想对任意可能包含正则表达式元字符的文本字符串进行匹配，它就是有用的。比如

>>> print(re.escape('http://www.python.org'))
http://www\.python\.org

未完待续

。。。。。。