正则表达式

一.常用的匹配规则

模式	描述
\w	描述匹配字母、数字及下划线
\W	匹配不是字母、数字及下划线的字符
\s	匹配任意空白字符
\S	匹配任意非空字符
\d	匹配任意数字,等价于[0-9]
\D	匹配任意非数字的字符
\A	匹配字符串开头
\Z	匹配字符串结尾。如果存在换行,只匹配到换行前的结束字符串
\z	匹配字符串结尾。如果存在换行,同时还会匹配换行符
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配一行字符串的开头
$	匹配一行字符串的结尾
.	匹配任意字符,除了换行符
[…]	用来表示一组字符,单独列出,例如[amk]用来匹配a、m或k
[^…]	匹配不在]中的字符,例如匹配除了a、b、c之外的字符
*	匹配0个或多个表达式
+	匹配1个或多个表达式
?	匹配0个或1个前面的正则表达式定义的片段,非贪婪方式
{n}	精确匹配n个前面的表达式
{n,m}	匹配n到m次由前面正则表达式定义的片段,贪婪方式
a|b	匹配a或b
()	匹配括号内的表达式,也表示一个组

二.常用函数

1. result.group()

• group方法可以输出匹配到的内容，通过传入索引即可获取提取结果。

import re
#.*：匹配任意字符（除换行符）无限次且尽可能多的匹配字符，所以这里只给\d+留下一个可满足条件的7
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
print(result)
print(result.group(1))

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
7

import re
#.*?：匹配尽可能少的字符。字符串中间尽量使用.*?
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$', content)
print(result)
print(result.group(1))

<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
1234567

import re
# .*?是匹配除换行符之外的所有字符，当遇到换行符后就不匹配了，这种情况需要加一个修饰符re.S
# result = re.match('^He.*?(\d+).*?Demo$', content, re.S)
content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content)
print(result.group(1))

Traceback (most recent call last):
  File "E:/PycharmProjects/pythonProject/jiahua_test.py", line 7, in <module>
    print(result.group(1))
AttributeError: 'NoneType' object has no attribute 'group'

2. result.search()

• 扫描整个字符串，返回第一个匹配成功的结果。推荐。
• 对比match(),match方法在使用时需要考虑目标字符串开头的内容。不推荐。

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
#下面search换成match就匹配不到了
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result.group(1))

3. result.findall()

• 返回与正则表达式相匹配的所有字符串（search()是一个）。

4. result.sub()

• 替换匹配到的内容。

import re

content = '54aK54yr5oiR54ix5L2g'
content = re.sub('\d+', '', content)
print(content)

aKyroiRixLg

5. result.compile()

• 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。

import re

content1 = '2019-12-15 12:00'
content2 = '2019-12-17 12:55'
content3 = '2019-12-22 13:21'
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern, '', content1)
result2 = re.sub(pattern, '', content2)
result3 = re.sub(pattern, '', content3)
print(result1, result2, result3)

2019-12-15  2019-12-17  2019-12-22 

3.注意

• 转义匹配

import re

content = '(百度) www.baidu.com'
result = re.match('\(百度\) www\.baidu\.com', content)
print(result)

<re.Match object; span=(0, 18), match='(百度) www.baidu.com'>

• r’\b\n’

前面加'r'是为了告诉编译器，不要对引号里的\b\n进行转义,把它当做普通字符串来看

文章参考：《Python3 网络爬虫开发实战第二版》