Python中正则表达式的简单用法

• 我们经常在写代码的时候，想要获取指定元素，一个万能的方法就是使用正则表达式来提取。但是对于正则表达式很多人觉得很复杂，各种符合看的都头晕，再加上网上很多资料都没系统介绍，就更加搞不懂了。因此我想写这一篇关于正则表达式的文章，来将这个看起来很高大上的东西尽量给大家说清道明。
  首先，正则表达式不是Python独有的，很多语言都有正则表达式，它是一个处理字符串的强大工具，有它自己的语法结构，在Python中，自带的有专门的正则表达式模块，即re模块。

1. 在讲正则表达式的语法结构之前，我们先来看下关于正则表达式的一些常用的匹配规则

模式	描述
\w	匹配字母，数字及下划线
\W	匹配非字母，数字及下划线的字符
\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
\d	匹配任意数字，即[0-9]
\D	匹配任意非数字的字符
\A	匹配字符串的开头
^	匹配一行字符串的开头
$	匹配一行字符串的结尾
.	匹配除换行符外的任意字符
*	匹配0个或多个表达式
+	匹配1个或多个表达式
?	匹配0次或1次前面的表达式，若要匹配？则用?表示
()	匹配括号中的表达式，也表示一个组

2. 匹配方法 Python中常用的正则表达式的方法有3种，分别为：
   match()：从字符串的开头开始匹配，若匹配则返回匹配成功的结果，若不匹配则返回None
   search()：通过扫描整个字符串来进行匹配，若匹配成功则返回第一个匹配的结果，若不匹配则返回None
   findall()：通过扫描整个字符串来进行匹配，如果匹配成功则将所有匹配的结果返回，若未成功匹配则返回None
   接下来我们以match()方法来进行实例操作。
   在匹配方法中，如match(),第一个参数传入正则表达式，第二个参数传入要匹配的字符串。search()和findall()方法也是一样。
   即 re.match(正则表达式,待匹配的字符串)

• 例1 匹配规则的简单运用:

import  re
data = 'zhangsan 1234567 beijingshi '
result = re.match('^zhangsan\s\d{7}\s\w{10}', data)
print(result)

上例中关于字符串的正则表达式可以写为：
^zhangsan\s\d{7}\s\w{10}
根据匹配规则，开头字符串为”zhangsan",因此可以写为‘^{zhangsan’(或者是}z也行)；后面是空格，则用’\s’来匹配，再后面是数字，用’\d’来匹配，由于有7个数字，因此可将‘\d\d\d\d\d\d\d’缩写成’\d{7}’，后面继续是空格，用’\s’匹配，最后是10个字符，可用’\w{10}'来匹配。
上述程序的运行结果为：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 27), match='zhangsan 1234567 beijingshi'>

Process finished with exit code 0

表示匹配成功。

• 例2 匹配并提取目标数据:

import  re
data = 'name:zhangsan tel:1234567 addr:beijingshi '
result = re.match('^name:(\w{8})\stel:(\d{7})\saddr:(\w{10})', data)
print(result)
print(result.group())
print(result.group(1))
print(result.group(2))
print(result.group(3))

运行结果为：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 41), match='name:zhangsan tel:1234567 addr:beijingshi'>
name:zhangsan tel:1234567 addr:beijingshi
zhangsan
1234567
beijingshi

Process finished with exit code 0

如上述例子所示，当我们想要获取字符串中某些字符的时候，我们可以用()括号将想要提取的字符括起来,()括号实际上标识了一个子字符串的起始位置和结束位置，被标记的每个子字符串会一次对应每一个组，然后我们可以调用group()方法然后传入分组的索引即可获取指定的子字符串，如果不加索引，则输出整个匹配的结果。
注意：索引是从1开始的，不是从0开始。

• 例3: 通用匹配
  通过之前两个例子我们发现，如果根据每个字符一一对应的关系去写正则表达式，这样写会很麻烦，并且写多了有时候看的也头晕。因此我们接下来介绍一种通用的写法，它会使正则表达式写起来简单明了很多，那就是
  .* (点星) 根据之前的匹配规则，我们发现
  .(点)是匹配除换行符外的任意字符，*(星)是代表匹配前面的字符无限次，因此将他们组合在一起就可以匹配任意字符了。
  下面我们将例1中的正则表达式做一下修改： 将正则表达式写为：^z.*shi

import  re
data = 'zhangsan 1234567 beijingshi'
result = re.match('^z.*shi', data)
print(result)

运行结果为：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 27), match='zhangsan 1234567 beijingshi'>

Process finished with exit code 0

我们发现完全可以正确匹配，但是正则表达式精简了很多，我们可以将一些不重要的匹配信息都可以用.*来代替。
通过例3我们知道了一种通用匹配规则，用它可以简化很多正则表达式的写法，那么是不是这个方法就是一个万能的呢？我们接下来了看一下例4.

• 例4 贪婪匹配：

import  re
data = 'name:zhangsan tel:1234567 addr:beijingshi'
result = re.match('^n.*(\d+).*', data)
print(result)
print(result.group(1))

我们想要获取data中的tel的值，即获取’1234567’，根据通用匹配规则，我么将正则表达式写为：
^n.(\d+).
其中^n是匹配开头，由于要匹配的是多个数字，则将需要匹配的数字正则表达式写为(\d+)，其余的都用通用匹配规则.*来表示。
我们来看一下运行结果：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 41), match='name:zhangsan tel:1234567 addr:beijingshi'>
7

Process finished with exit code 0

根据运行结果，我们发现我们已经成功匹配到了该字符串，但是输出到结果并不是我们想要的‘1234567’,输出的结果只有一个数字’7’，这是为什么呢？
这里就涉及到贪婪匹配与非贪婪匹配到问题了。.*是贪婪匹配，它会尽可能匹配多的字符（比较贪婪）。正则表达式中.*后面是(\d+)，+表示的是匹配一个或多个表达式，\d+表示匹配一个或多个数字（至少1个），但是由于没有具体说明要匹配多少个数字，前面的.*就会一直匹配，直到满足\d+的最低匹配条件（匹配一个数字），因此前面的.将数字‘123456’都给匹配了，留给(\d+)的就只剩下一个’7’了，因此最终运行结就只有数字’7’了。
那么避免出现这种情况的方法就是采用非贪婪匹配的方式。非贪婪匹配的写法就是在贪婪匹配的后面加一个?问号，即.?(点星问号）
将上述代码中贪婪匹配换成非贪婪匹配后，我们看一下结果是怎样的。

import  re
data = 'name:zhangsan tel:1234567 addr:beijingshi'
result = re.match('^n.*?(\d+).*', data)
print(result)
print(result.group(1))

运行结果：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 41), match='name:zhangsan tel:1234567 addr:beijingshi'>
1234567

Process finished with exit code 0

采用非贪婪匹配后，发现能正常匹配到我们想要的数据了。
非贪婪匹配则是匹配尽可能少的字符，上例中当.?匹配到tel后面的冒号时，再往后就是数字了，恰好可以跟\d+匹配，那么.?则停止匹配，剩下的交给\d+去匹配后面的数字。因此我们可以得到想要的‘1234567’了。
在做匹配的时候，我们是不是只采用非贪婪匹配就“万事大吉”了呢？我们接下来看一下例5。

• 例5： 我们想要获取addr后面的值，即‘beijingshi’

import  re
data = 'name:zhangsan tel:1234567 addr:beijingshi'
result1 = re.match('^n.*?addr:(.*?)', data)
result2 = re.match('^n.*?addr:(.*)', data)
print(result1)
print('result1 ',result1.group(1))
print('result2 ',result2.group(1))

运行结果为：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(0, 31), match='name:zhangsan tel:1234567 addr:'>
result1  
result2  beijingshi

Process finished with exit code 0

我们发现，当采用非贪婪匹配时，无法匹配到结果，返回值为空。
因此当遇到需要匹配的值位于字符串结尾的时候，非贪婪匹配将无法匹配到所需要的值，我们需要用贪婪匹配的方式去进行匹配；当需要匹配的值在字符串中间的时候，我们尽量优先使用非贪婪匹配的方式进行匹配。

3. 修饰符

   在上文中我们讲了两个很重要的两个通用匹配方法，贪婪匹配和非贪婪匹配。但是这两种匹配方式并不是所有字符串都能匹配，因为无论是贪婪(.)还是非贪婪(.?)匹配表达式中都由.(点)来表示任意字符，然而我们在匹配规则中也说明了.（点）可以匹配任意字符，但是换行符除外。因此当我们需要匹配的字符串包含换行符的时候，我么就无法直接使用通用匹配方法了。为了解决这个问题，我们可以用修饰符来修正这个问题。
   常用修饰符：re.S和re.I (大写i）
   re.s ： 使.(点)匹配包括换行符在内的所有字符
   re.I ： 使匹配对大小写不敏感
   使用时的写法：
   re.match(正则表达式，待匹配的字符串，re.S)
   re.match(正则表达式，待匹配的字符串，re.I)

4. search()方法的简单介绍
   search()方法的使用与match()方法的使用一模一样，但是它不同从头开始匹配，可以直接匹配中间的值。
   例：

import  re
data = '''
    name:zhangsan 
    tel:1234567 
    addr:beijingshi
'''
result1 = re.search('t.*?(\d+)', data, re.S)
result2 = re.match('t.*?(\d+)', data, re.S)
print(result1)
print('result1 ',result1.group(1))
print('result2 ',result2)

结果：

/Users/Desktop/Code/test/text2.py
<_sre.SRE_Match object; span=(24, 35), match='tel:1234567'>
result1  1234567
None

Process finished with exit code 0

在上例中，我们用search()方法没有从整个字符串的开头name开始匹配，而是直接从中间tel开始匹配，结果是匹配成功，输出了我们想要的值。但是我们用match()方法这样操作时，发现无法成功匹配，返回了None。match()更适合于用来检测某个字符串是否符合某个正则表达式的规则。

5. findall()
   findall()方法与search()方法一样，都是通过扫描整个字符串进行匹配。但是search()只返回匹配成功的第一个值，后面的值不会返回；而findall()是返回所有匹配成功的值。

关于Python的正则表达式的基本运用就讲这么多了，希望各位看过后都能对正则表达式有一个比较清晰的了解。若对各位有帮助的话记得帮忙点个赞👍哦～