详解Python 正则表达式模块
由于最近需要使用爬虫爬取数据进行测试，所以开始了爬虫的填坑之旅，那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为python。主要讲解下python的re模块。
下面的语法我就主要列出一部分，剩下的在python官网直接查阅即可：
一、基础语法总结
1.1、匹配单个字符
a . \d \d \w \w \s \s [...] [^...]
匹配单个字符（.）
规则：匹配除换行之外的任意字符
in [24]: re.findall("f.o","foo is not fao")
out[24]: ['foo', 'fao']
匹配任意（非）数字字符（\d \d）
\d [0-9]
\d [^0-9]
匹配任意（非）普通字符（\w \w）
\w 普通字符 包括[_0-9a-za-z] 同时也包括汉字
\w 非普通字符
匹配任意（非）空字符（\s \s）
\s 匹配任意空字符 [\r\n\t]
\s 匹配任意非空字符
匹配字符集合（[...]）
[a-z][a-z][0-9][_123a-z]
匹配字符集（[^...]）
规则：字符集取非，除列出的字符之外的任意一个字符
[^abc] --> 除a b c之外任意字符
1.2、匹配多个字符
* 匹配0次或者多次
+ 匹配1次或者多次
? 匹配0次或者1次
{m} 匹配m次
{m,n} 匹配m次到n次区间内的任意一次
1.3、匹配位置
^ 匹配开始位置
$ 匹配结束位置
\a 匹配开始位置
\z 匹配结束位置
\b 匹配单词边界位置（一般用于首字母大写的匹配）
\b 匹配非单词边界问题
1.4、转义
在正则表达式中有一类特殊字符需要转移，只需要在特殊字符之间加上 \ 表示转移即可
. * + ? ^ $ [] {} () | \
1.5、子组
使用() 可以为正则表达式建立内部分组，子组为正则表达式的一部分，可以看做一个内部整体。
in [61]: re.search(r"(https|http|ftp):\/\/\w+\.\w+\.(com|cn)","https://www.baidu.com").group(0) out[61]: 'https://www.baidu.com' in [62]: re.search(r"(https|http|ftp):\/\/\w+\.\w+\.(com|cn)","https://www.baidu.com").group(1) out[62]: 'https'
1.6、贪婪模式和非贪婪模式
正则表达式的重复匹配总是尽可能多的向后匹配更多的内容。 贪婪模式包括：* + ? {m,n}
非贪婪模式：尽可能少的匹配内容 贪婪模式转换为非贪婪模式：*? +? ?? {m,n}?
in [106]: re.findall(r"ab+?","abbbbbbbb") out[106]: ['ab'] in [107]: re.findall(r"ab??","abbbbbbbb") out[107]: ['a']
二、re模块
接下来我所有函数里面的参数解释如下：
pattern：正则表达式
string：目标字符串
pos：截取目标字符串起始位置
endpose：截取目标字符串结束位置
flags:功能标志
replacestr：替换的字符串
max：最多替换几处（默认替换全部）
有上图我们看出来，接下来我们要将的python中re模块、regex对象、match对象三者之间是存在一定关系的。
1、re模块的compile方法返回一个regex对象
2、re模块和regex对象的finditer()、fullmatch()、match()、search()等方法返回一个match对象
3、他们分别有自己的属性和方法
2.1、compile
regex = re.compile(pattern, flags = 0) # 生成正则表达式对象
2.2、findall
re.findall(pattern,string,pos,endpose) # 从目标字符串中匹配所有符合条件的内容
2.3、split
re.split(pattern,string,flags) #根据正则表达式对目标字符串进行分割
in [79]: re.split(r'\s+',"hello world") out[79]: ['hello', 'world']
2.4、sub
re.sub(pattern,replacestr,string,max,flags) in [80]: re.sub(r'\s+',"##","hello world") out[80]: 'hello##world'
2.5、subn
re.subn(pattern,replacestr,string,max,flags) #功能同sub，但是返回值返回替换后的字符串和替换了几处
in [80]: re.sub(r'\s+',"##","hello world")
out[80]: ('hello##world',1)
2.6、finditer
re.finditer(pattern,string) #使用正则表达式匹配目标字符串，返回一个match对象，match对象调用group()之后才能拿到值
in [87]: it = re.finditer(r'\d+',"2014nianshiqiqngduo 08aoyun 512dizhen") in [88]: for i in it: ....: print(i) ....: <_sre.sre_match object at 0x7f0639767920> <_sre.sre_match object at 0x7f0639767ac0> <_sre.sre_match object at 0x7f0639767920> in [93]: it = re.finditer(r'\d+',"2014nianshiqiqngduo 08aoyun 512dizhen") in [94]: for i in it: ....: print(i.group()) ....: 2014 08 512
2.7、fullmatch
fullmatch(pattern,string,flags) #完全匹配目标字符串，相当于加了^ 和 $
2.8、match
re.match(pattern,string,flags) #匹配目标字符串开头的位置
2.9、search
re.search(pattern,string,flags) # 正则表达式匹配目标字符串，只匹配第一处
三、一些练习题
3.1、匹配首字母大写的单词
import re
f = open('test.txt')
pattern= r'\b[a-z][a-za-z]*\s*'
# pattern= r'\b[a-z]\s'
l = []
for i in f:
l += re.findall(pattern,i)
print(l)
test.txt文档内容如下：
hello world -12.6 nihao 123 how are you -12 1.24 asdk 34%, 占比 1/2 2003 - 2005./%
3.2、匹配数字（正数、负数、小数、百分数、分数）
import re
pattern = "-?\d+((/?\d+)|((\.)?\d+)|((\%)?))"
f = open('test.txt')
l = []
for line in f:
l += re.finditer(pattern,line)
for i in l:
print(i.group())
总结
以上所述是小编给大家介绍的python 正则表达式模块，希望对大家有所帮助