一篇文章彻底搞懂python正则表达式一篇文章彻底搞懂python正则表

前言
1. 正则表达式的基本概念
2. python的正则表达式re模块
3. 正则表达式语法

（1）匹配单个字符
（2）匹配多个字符
（3）边界匹配
（4）分组匹配

4. re模块相关方法使用

总结

前言有时候字符串匹配解决不了问题，这个时候就需要正则表达式来处理。因为每一次匹配（比如找以什么开头的，以什么结尾的字符串要写好多个函数）都要单独完成，我们可以给它制定一个规则。
主要应用：爬虫的时候需要爬取各种信息，使用正则表达式可以很方便的处理需要的数据。

1. 正则表达式的基本概念

使用单个字符串来描述匹配一系列符合某个语法规则的字符串。
是对字符串操作的一种逻辑公式。
应用场景：处理文本和数据。
正则表达式过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功，否则失败。

2. python的正则表达式re模块

import re

匹配过程：r'imooc'是原字符串，先生成Pattern对象，从头开始找，得到一个Match（或Search等）实例，最后有一个匹配结果。

文章图片

# 用find和startswith找字符串str1 = 'imooc python'print(str1.find('11'))-1print(str1.find('imooc'))0print(str1.startswith('imooc'))True

使用正则表达式：

import repa = re.compile(r'imooc')#compile生成一个pattern对象，r'imooc'读原字符串，否则需要转义ma = pa.match(str1)# 匹配不到返回为None，返回一个对象print(ma)print(ma.group())# 返回一个字符串或字符串组成的元组ma.groups()imoocprint(ma.span())# 返回所在字符串的位置print(ma.string)# 返回原字符串print(ma.re)# 返回实例(0, 5)imooc pythonre.compile('imooc')

# 匹配大小写，后面加上大写pa = re.compile(r'imooc', re.I)print(pa)re.compile('imooc', re.IGNORECASE)ma = pa.match('imooc python')print(ma.group())imoocma = pa.match('Imooc python')print(ma.group())Imooc

# 如果只有一个，可以直接生成一个match对象，也可以达到同样的效果ma = re.match(r'imooc', str1)print(ma)print(ma.group())imooc

3. 正则表达式语法基本语法：适用于多种语言。

（1）匹配单个字符

文章图片

【一篇文章彻底搞懂python正则表达式】1）'.' 的匹配，可以匹配除了\n外所有字符

ma = re.match(r'a', 'a')print(ma.group())ma = re.match(r'a', 'b')print(type(ma))# 再调ma.group()则报错a# 用.匹配字符ma = re.match(r'.', 'b')print(ma.group())ma = re.match(r'.', '0')print(ma.group())b0# 匹配{}中的字符ma = re.match(r'{.}', '{0}')print(ma.group())ma = re.match(r'{..}', '{01}')print(ma.group()){0}{01}

2）[…]匹配字符集

# []匹配字符集ma = re.match(r'{[abc]}', '{a}')print(ma.group())ma = re.match(r'{[abc]]}', '{d}')# 匹配不到，则报错print(ma.group())ma = re.match(r'{[a-z]]}', '{d}')print(ma.group()) # 匹配a-z中任意一个字符{a}{d}ma = re.match(r'{[a-zA-Z]}', '{A}')print(ma.group()){A}ma = re.match(r'{[a-zA-Z0-9]}', '{0}')print(ma.group()){0}

3） \w 匹配a-zA-Z0-9， \W匹配非单词字符

ma = re.match(r'{[\w]}', '{A}')print(ma.group())ma = re.match(r'{[\w]}', '{ }')print(ma.group())# 匹配不到ma = re.match(r'{[\W]}', '{ }')print(ma.group()){A}{ }

4）字符集[]匹配

ma = re.match(r'[[\w]]', '[a]')print(ma.group())# 匹配不到# 匹配[]需要加转义\ma = re.match(r'\[[\w]\]', '[a]')print(ma.group())[a]

（2）匹配多个字符

文章图片

1） *匹配

ma = re.match(r'[A-Z][a-z]', 'Aa')print(ma.group())ma = re.match(r'[A-Z][a-z]', 'A')print(ma.group()) # 匹配不到ma = re.match(r'[A-Z][a-z]*', 'Aa')print(ma.group())ma = re.match(r'[A-Z][a-z]*', 'Aagfagsagaha')print(ma.group())ma = re.match(r'[A-Z][a-z]*', 'Aa123')print(ma.group())AaAAagfagsagahaAa

2）+匹配

# 匹配下划线或字符开头的无限次ma = re.match(r'[_a-zA-Z]+[_\w]*', '10')print(ma.group())# 匹配不到ma = re.match(r'[_a-zA-Z]+[_\w]*', '_hte10')print(ma.group())_hte10

3）？匹配

# 匹配0-99，01则不对 ma = re.match(r'[1-9]?[0-9]', '90')print(ma.group())ma = re.match(r'[1-9]?[0-9]', '9')print(ma.group())ma = re.match(r'[1-9]?[0-9]', '09')print(ma.group())# 只匹配到09090

4）{m} / {mn}匹配

# 匹配邮箱，匹配6次ma = re.match(r'[a-zA-Z0-9]{6}', 'abc123')print(ma.group())abc123ma = re.match(r'[a-zA-Z0-9]{6}', 'abc12')print(ma.group()) # 少一个则匹配不到ma = re.match(r'[a-zA-Z0-9]{6}', 'abc1234')print(ma.group()) # 多则匹配前6个abc123ma = re.match(r'[a-zA-Z0-9]{6}@163.com', 'abc123@163.com')print(ma.group())abc123@163.com# 匹配6-10位的邮箱ma = re.match(r'[a-zA-Z0-9]{6, 10}@163.com', 'abc123@163.com')print(ma.group())

4）*？ /+？ /??匹配 (尽可能少匹配)

ma = re.match(r'[0-9][a-z]*', '1abc')print(ma.group())ma = re.match(r'[0-9][a-z]*?', '1abc')print(ma.group())# 只匹配11abc1ma = re.match(r'[0-9][a-z]+?', '1abc')print(ma.group()) # 只匹配一次1a

（3）边界匹配

文章图片

ma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.com')print(ma.group())imooc@163.comma = re.match(r'[\w]{4,10}@163.com', 'imooc@163.comabc')# 后面加上abc,match从头开始匹配，则可以找到print(ma.group())imooc@163.comma = re.match(r'[\w]{4,10}@163.com&', 'imooc@163.comabc')print(ma.group())# 匹配不到ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.comabc')print(ma.group())# 匹配不到ma = re.match(r'^[\w]{4,10}@163.com&', 'imooc@163.com')print(ma.group())# 加上^和$,限制开头结尾imooc@163.com

# 指定开头结尾ma = re.match(r'\Aimooc[\w]*', 'imoocpython')print(ma.group())ma = re.match(r'\Aimooc[\w]*', 'iimoocpython')print(ma.group())# 匹配不到imoocpython

（4）分组匹配

文章图片

这里不再举例。

4. re模块相关方法使用以上举例都是match，从头到尾匹配，查找子串就不合适了

# 在一个字符串中查找匹配1:search(pattern, string, flags=0)# 找到匹配，返回所有匹配部分的列表2:findall(pattern, string, flags=0)# 将字符串中匹配正则表达式得部分替换为其它,repl可以替换函数3:sub(pattern, repl, string, count=0, flags=0)# 根据匹配分割字符串，返回分割字符串组成的列表4:split(pattern, string, maxsplit=0, flags=0)

# searchimport restr1 = 'imooc videonum = 1000'print(str1.find('1000'))# 数字改变则失效17info = re.search(r'\d+', str1)print(info.group())1000str1 = 'imooc videonum = 10000'info = re.search(r'\d+', str1)print(info.group())10000

# findall# 当有多个数字时str2 = 'a=100, b=200, c=300'info = re.search(r'\d+', str2)print(info.group())100info = re.findall(r'\d+', str2)print(info.group())[100, 200, 300]