python——re模块

re模块

前两天写课设的时候需要用爬虫，乘此机会把正则表达式学了一下。
写这篇文章也是为了总结一下（方便以后忘了的时候查表2333）

正则表达式简介

在处理字符串或是网页时，经常会查找具有某些特定规则的字符串，这时正则表达式就会使得该过程很方便。

正则表达式中的特殊字符含义

字符	在正则表达式中的含义	例子	匹配结果(随机举例)
.	匹配除了换行符之外任意字符	g…d	good
\	特殊字符转义成普通字符	$	$
*	匹配一个字符串0次或多次	(aa)*	aa
+	匹配一个字符串1次或多次	(ab)*	ab
?	匹配一个字符串0次或1次	(asd)?	‘asd’ or ‘’
^	匹配字符串的开头	^(asd)	asd开头的字符串
$	匹配字符串的结尾	(.exe)$	.exe结尾的字符串
|	匹配左右表达式任意一个	abc|123	匹配abc或123
{}	{M}匹配M次,{M,}至少M次,{M,N}M到N次	a{2,3}	aaa
[]	对应的字符可以是字符集中任意字符，-表示范围，^表示取反，所\有特殊字符失去特殊含义	a[a-z]b	azb
()	分组作为一个整体	a(123|456)c	a123c

几点补充：
1.在上述带有次数限定的字符后增加’?’，意思为懒惰匹配，即尽可能少的重复
2.在正则表达式前面加上字符r，表示特殊字符按原始意义处理

预定义的字符集

字符集	在正则表达式中的含义	例子	匹配结果(随机举例)
\d	匹配数字	\daa	1aa
\D	匹配非数字	\Daa	aaa
\s	匹配任何空白字符	a\sa	a a
\S	匹配非空白字符	a\Sa	aaa
\w	字母/数字字符/下划线/汉字	a\wa	a_a
\W	匹配特殊字符	a\Wa	a$a
\A	仅匹配字符串开头
\Z	仅匹配字符串结尾
\b	表示单词的分界处
\B	\B的反集

一些例子

• ^\d{5, 12}$:
  5-12个数字
• 0\d{2}-\d{8}:
  电话号码格式
• \b\w{6}\b:
  6个字符的单词
• (?0\d{2}[)-]?\d{8}:
  (010)88886666，或022-22334455
• ((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?):
  ip地址

更多有关 组 的问题后续再补充吧

库函数

• 有关参数flag
  re.I：忽略大小写
  re.L：特殊字符集依赖当前环境
  re.M：多行模式
  re.S：’.'包括换行符
  re.U：特殊字符集依赖Unicode字符属性
• reObj = re.compile(pattern[, flags])
  把正则表达式语法转换为正则表达式对象
• re.search(pattern, string[, flags])
  reObj.search(string[, pos[, endpos]])
  在string中查找匹配pattern的位置，返回MatchObject的实例，没找到返回None
• re.match(pattern, string[, flags])
  reObj.match(string[, pos[, endpos]])
  只在字符串开始位置尝试匹配正则表达式
• re.split(pattern, string[, maxsplit=0, flags=0])
  将字符串匹配正则表达式的部分分隔开，并返回列表
• re.findall(pattern, string[, flags])
  reObj.findall(string[, pos[, endpos]])
  找到字符串中匹配的所有子串，返回列表
• re.finditer(pattern, string[, flags])
  reObj.finditer(string[, pos[, endpos]])
  和findall类似，返回迭代器
• re.sub(pattern, repl, string[, count, flags])
  reObj.reObj(repl, string[, count=0]])
  在字符串中找到匹配的子串，用repl替换，没找到则返回string
• re.sub(pattern, repl, string[, count, flags])
  reObj.reObj(repl, string[, count=0]])
  与sub类似，不同处在于还会返回新字符串和替换的次数