python中正则表达式讲解_Python爬虫必学知识点：正则表达式讲解

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章一级AI入门学习 ，作者小伍哥

刚接触Python的新手、小白，可以复制下面的链接去免费观看Python的基础入门教学视频

https://v.douyu.com/author/y6AZ4jn9jwKW

前言

正则表达式(Regular Expression)，就是具有一定规则的表达式。通过正则表达式引擎，将这些规则转换为正则表达式对象，然后再去文本中搜索能够与之匹配的字符串。

正则表达式的语法都是一样的，只是不同编程语言的实现不同，大部分都是师从Perl。

对Perl语言有所了解的朋友，学习python正则应该是手到擒来。

正则表达式入门

Python中的re模块提供了强大的正则表达式功能。

而第三方模块regex提供了与标准库re模块兼容的API接口, 同时还提供了额外的功能和更全面的Unicode支持。

匹配字符

大多数字母和字符只会匹配自身，例如：python只会匹配自己，不会匹配Python。

但是有一些字符串，它们不表示自身，而是具有一些特殊含义，只能通过\转义之后才表示自身。

这些字符包括：

. ^ $ * + ? { } [ ] \ | ( )

【.】

在默认模式中，匹配除换行外所有字符，如果指定了DOTALL标签，则表示任意字符

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

pattern: 匹配规则，字符串

string: 需要去匹配的字符串

从左到右进行扫描，匹配按找到的顺序返回。如果样式里存在一个或多个组，就返回一个组合列表"""re.findall('ab.', 'abc')#Out[1]: ['abc']

re.findall('ab.', 'ab\n')#Out[2]: []

re.findall('ab.', 'ab\n', re.DOTALL)#Out[3]: ['ab\n']

【^】

匹配字符串的开头， 如果是MULTILINE模式，匹配每行开头(\n之后)的首个符号。

在字符集中可表示'非'，[^a]表示除字符a之外的字符。

re.findall('^ab', 'abcda\nabddd')#Out[4]: ['ab']

re.findall('^ab', 'abcda\nabddd', re.MULTILINE)#Out[5]: ['ab', 'ab']

re.findall('[^a]', 'aaa\nbbb')#Out[6]: ['\n', 'b', 'b', 'b']

【$】

匹配字符串的末尾，或者在字符串末尾换行符的前一个字符。

在 MULTILINE 模式下匹配每行末尾(\n之前)的字符。

re.findall('ab$', 'abcdab\nabdab')#Out[7]: ['ab']

#上面结果中的 ab 是 \n 前面的还是后面的呢？进行如下测试，发现是后面的 ab 被匹配了

re.findall('ab.$', 'abcdab1\nabdab2')#Out[8]: ['ab2']

#在 MULTILINE 模式下，两个都被匹配了

re.findall('ab$', 'abcdab\nabdab', re.MULTILINE)#Out[9]: ['ab', 'ab']

#而对 $ 在换行结尾的字符串中匹配时，会得到两个空字符，一个在换行符之前，一个在字符串的末尾

re.findall('$', 'abcdab1\n')#Out[10]: ['', '']

【*】

匹配前一个规则0次或无限次

re.findall('ab*', 'a')#Out[11]: ['a']

re.findall('ab*', 'ab')#Out[12] ['ab']

re.findall('ab*', 'abbbbbbbbbbbbbb')#Out[13] ['abbbbbbbbbbbbbb']

【+】

匹配前一个规则1次或无限次

re.findall('ab+', 'a')#Out[14]: []

re.findall('ab+', 'ab')#Out[15] ['ab']

re.findall('ab+', 'abbbbbbbbbbbbbb')#Out[16] ['abbbbbbbbbbbbbb']

【?】

匹配前一个规则0次或1次

re.findall('ab?', 'a')#Out[17]: ['a']

re.findall('ab?', 'ab')#Out[18] ['ab']

re.findall('ab?', 'abbbbbbbbbbbbbb')#Out[19] ['ab']

【.?,*?,??】

.,*,?修饰符都是贪婪的，会尽可能的匹配更多的字符串

贪婪的我，当然是赞越多越好呀。

而在这些修饰符后面加上?，便成了非贪婪模式，会尽可能少的匹配字符串

re.findall('<.>', 'bcd>')#Out[20] ['bcd>']

re.findall('<.>', 'bcd>')#Out[21] ['']

{m}

指定前面的正则表达式出现的次数，出现次数必须完全一致。

re.findall('a{3}', 'aa')#Out[22]: []

re.findall('a{3}', 'aaaaa')#Out[23]: ['aaa']

{m, n}

指定前面的正则表达式出现的次数在m~n之间，尽可能多的匹配，匹配的下界是m，上界是n。

若缺省m，下界为0，若缺省n，为不设上界，即无限次。

re.findall('a{3, 5}', 'aaaa')#Out[24]: []

#3,5 之间不能添加空格

re.findall('a{3,5}', 'aaaa')#Out[25]: ['aaaa']

re.findall('a{3,}', 'aaaa')#Out[26]: ['aaaa']

re.findall('a{,5}', 'aaaa')#Out[27] ['aaaa', '']

{m, n}?

即非贪婪模式，尽可能少的匹配字符串。

re.findall('a{3,}?', 'aaaaa')#Out[28] ['aaa']

【\】

转义特殊字符。如'\.'只表示.，而不再是表示任意字符。

匹配\字符需要转义，用\\表示

re.findall('\.', 'aa')#Out[29] []

re.findall('\.', 'aa.')#Out[30] ['.']

反斜杠灾难：反斜杠具有转义作用，如果需要匹配的字符串中存在多个\，就需要调加相应数量的\来转义

re.findall('\\\\ab', '\\abc') #['\\ab']

"""在反复使用反斜杠的正则中，这会导致大量重复的反斜杠，

并使得生成的字符串难以理解。

解决方案:

使用 Python 的原始字符串表示法来表示正则表达式；

'r' 为前缀的字符串，反斜杠不再表示转义"""re.findall(r'\\ab', '\\abc') #['\\ab']

re.findall(r'\n', '\n') #['\n']

[]

表示字符集集合。匹配该字符需要转义\[,\]

#1、单独列出，匹配 a、b 或 c

re.findall('[abc]', 'ab.')#Out[31]: ['a', 'b']

"""2、字符范围：

[a-j]: 表示小写字母 a~j

[1-6]:表示数字 1~6

转义: 如 [a\-z] 或者它的位置在首位或者末尾([-a] 或 [a-])，它就只表示普通字符 '-'。"""re.findall('[a\-z]', '-')#Out[32]: ['-']

re.findall('[-a]', '-')#Out[33]: ['-']

re.findall('[a-]', '-')#Out[34]: ['-']

"""3、特殊字符失去特殊含义

比如 [(+*)] 只会匹配这几个字符 '(', '+', '*', or ')'。"""re.findall('[(+*)]', '+-*/()')#Out[35] ['+', '*', '(', ')']

"""4、字符类

可以使用字符类：\w，\S 等，它们可以匹配的字符由 ASCII 或者 LOCALE 模式决定。"""re.findall('[\w]', 'abfagg-/*-')#Out[36] ['a', 'b', 'f', 'a', 'g', 'g']

"""5、取反

如果集合首字符是 '^' ，所有不在集合内的字符将会被匹配

[^^] 将匹配所有字符，除了 '^'.

^ 如果不在集合首位，就没有特殊含义。"""

#非 \w 定义的字母

re.findall('[^\w]', 'abfagg-/*-')#Out[37] ['-', '/', '*', '-']

"""6、匹配字符 ']'

两种方法

加上反斜杠

放到集合首位"""

#加上反斜杠

re.findall('\]', 'abc]')#Out[38] [']']

#放到集合首位

re.findall('[]{}]', ']abc')#Out[39] [']']

【|】

或。A|B，匹配正则表达式A或B，A、B可以是任何正则表达式。

如果A匹配成功，则不会再匹配B。

匹配|字符需要转义，\|或[|]

re.findall('a|b', 'acb')#Out[40] ['a', 'b']

re.findall('[|]', 'ab|c')#Out[41] ['|']

(...)

小括号，可以组合表达式，匹配括号内的组合表达式，并标注表达式的开始和结束位置，可用于后续捕获

每对小括号代表一个组合，可以通过\number的方式引用组合，\1表示第一个组合。

要匹配字符 ( 或者 ), 用 \( 或 \), 或者放在字符集合里: [(], [)]。

re.findall('a(b+)', 'abbb')#Out[42] ['bbb']

。

re.findall(r'(b)a\1', 'bab')#Out[43] ['b']

总结