什么是正則表達式
正則表達式是對字符串操作的一種邏輯公式，就是 事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符”，這個“規則字符” 來表達對字符的一種過濾邏輯。
正則並不是python獨有的，其他語言也都有正則
python中的正則，封裝了re模塊
python正則的詳細講解
常用的匹配模式
\w 匹配字母數字及下划線 \W 匹配f非字母數字下划線 \s 匹配任意空白字符，等價於[\t\n\r\f] \S 匹配任意非空字符 \d 匹配任意數字 \D 匹配任意非數字 \A 匹配字符串開始 \Z 匹配字符串結束，如果存在換行，只匹配換行前的結束字符串 \z 匹配字符串結束 \G 匹配最后匹配完成的位置 \n 匹配一個換行符 \t 匹配一個制表符 ^ 匹配字符串的開頭 $ 匹配字符串的末尾 . 匹配任意字符，除了換行符，re.DOTALL標記被指定時，則可以匹配包括換行符的任意字符 [....] 用來表示一組字符，單獨列出：[amk]匹配a,m或k [^...] 不在[]中的字符：[^abc]匹配除了a,b,c之外的字符 * 匹配0個或多個的表達式 + 匹配1個或者多個的表達式 ? 匹配0個或1個由前面的正則表達式定義的片段，非貪婪方式 {n} 精確匹配n前面的表示 {m,m} 匹配n到m次由前面的正則表達式定義片段，貪婪模式 a|b 匹配a或者b () 匹配括號內的表達式，也表示一個組
re.match()
嘗試從字符串的起始位置匹配一個模式，如果不是起始位置匹配的話，match（）就會返回None
語法格式：
re.match(pattern,string,flags=0)
最常規的匹配
import re content= "hello 123 4567 World_This is a regex Demo" result = re.match('^hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content) print(result) print(result.group()) print(result.span())
結果如下：
result.group()獲取匹配的結果
result.span()獲去匹配字符串的長度范圍
泛匹配
其實相對來說上面的方式並不是非常方便，其實可以將上述的正則規則進行更改
import re content= "hello 123 4567 World_This is a regex Demo" result = re.match("^hello.*Demo$",content) print(result) print(result.group()) print(result.span())
這段代碼的結果和上面常規匹配的結果是一樣的，但是寫起來會方便很多
匹配目標
如果為了匹配字符串中具體的目標，則需要通過（）括起來，例子如下：
import re content= "hello 1234567 World_This is a regex Demo" result = re.match('^hello\s(\d+)\sWorld.*Demo$',content) print(result) print(result.group()) print(result.group(1)) print(result.span())
結果如下：
這里需要說一下的是通過re.group()獲得結果后，如果正則表達式中有括號，則re.group(1)獲取的就是第一個括號中匹配的結果
貪婪匹配
先看下面代碼：
import re content= "hello 1234567 World_This is a regex Demo" result= re.match('^hello.*(\d+).*Demo',content) print(result) print(result.group(1))
這段代碼的結果是
從結果中可以看出只匹配到了7，並沒有匹配到1234567，出現這種情況的原因是前面的.* 給匹配掉了， .*在這里會盡可能的匹配多的內容，也就是我們所說的貪婪匹配，
如果我們想要匹配到1234567則需要將正則表達式改為：
result= re.match('^he.*?(\d+).*Demo',content)
這樣結果就可以匹配到1234567
匹配模式
很多時候匹配的內容是存在換行的問題的，這個時候的就需要用到匹配模式re.S來匹配換行的內容
import re content = """hello 123456 world_this my name is zhaofan """ result =re.match('^he.*?(\d+).*?zhaofan$',content,re.S) print(result) print(result.group()) print(result.group(1))
結果如下
轉義
當我們要匹配的內容中存在特殊字符的時候，就需要用到轉移符號\,例子如下：
import re content= "price is $5.00" result = re.match('price is \$5\.00',content) print(result) print(result.group())
對上面的一個小結：
盡量使用泛匹配，使用括號得到匹配目標，盡量使用非貪婪模式，有換行符就用re.S
強調re.match是從字符串的起始位置匹配一個模式
re.search
re.search掃描整個字符串返回第一個成功匹配的結果
import re content = "extra things hello 123455 world_this is a Re Extra things" result = re.search("hello.*?(\d+).*?Re",content) print(result) print(result.group()) print(result.group(1))
結果如下：
其實這個時候我們就不需要在寫^以及$，因為search是掃描整個字符串
注意：所以為了匹配方便，我們會更多的用search，不用match,match必須匹配頭部，所以很多時候不是特別方便
匹配演練
例子1：
import re html = '''<div id="songs-list"> <h2 class="title">經典老歌</h2> <p class="introduction"> 經典老歌列表 </p> <ul id="list" class="list-group"> <li data-view="2">一路上有你</li> <li data-view="7"> <a href="/2.mp3" singer="任賢齊">滄海一聲笑</a> </li> <li data-view="4" class="active"> <a href="/3.mp3" singer="齊秦">往事隨風</a> </li> <li data-view="6"><a href="/4.mp3" singer="beyond">光輝歲月</a></li> <li data-view="5"><a href="/5.mp3" singer="陳慧琳">記事本</a></li> <li data-view="5"> <a href="/6.mp3" singer="鄧麗君">但願人長久</a> </li> </ul> </div>''' result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S) print(result) print(result.groups()) print(result.group(1)) print(result.group(2))
結果為：
re.findall
搜索字符串，以列表的形式返回全部能匹配的子串
代碼例子如下：
import re html = '''<div id="songs-list"> <h2 class="title">經典老歌</h2> <p class="introduction"> 經典老歌列表 </p> <ul id="list" class="list-group"> <li data-view="2">一路上有你</li> <li data-view="7"> <a href="/2.mp3" singer="任賢齊">滄海一聲笑</a> </li> <li data-view="4" class="active"> <a href="/3.mp3" singer="齊秦">往事隨風</a> </li> <li data-view="6"><a href="/4.mp3" singer="beyond">光輝歲月</a></li> <li data-view="5"><a href="/5.mp3" singer="陳慧琳">記事本</a></li> <li data-view="5"> <a href="/6.mp3" singer="鄧麗君">但願人長久</a> </li> </ul> </div>''' results = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>', html, re.S) print(results) print(type(results)) for result in results: print(result) print(result[0], result[1], result[2])
結果如下：
例子2：
import re html = '''<div id="songs-list"> <h2 class="title">經典老歌</h2> <p class="introduction"> 經典老歌列表 </p> <ul id="list" class="list-group"> <li data-view="2">一路上有你</li> <li data-view="7"> <a href="/2.mp3" singer="任賢齊">滄海一聲笑</a> </li> <li data-view="4" class="active"> <a href="/3.mp3" singer="齊秦">往事隨風</a> </li> <li data-view="6"><a href="/4.mp3" singer="beyond">光輝歲月</a></li> <li data-view="5"><a href="/5.mp3" singer="陳慧琳">記事本</a></li> <li data-view="5"> <a href="/6.mp3" singer="鄧麗君">但願人長久</a> </li> </ul> </div>''' results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>',html,re.S) print(results) for result in results: print(result[1])
結果如下：
其實這里我們就可以看出
\s*? 這種用法其實就是為了解決有的有換行，有的沒有換行的問題
(<a.*?>)? 這種用法是因為html中有的有a標簽，有的沒有的，？表示匹配一個或0個，正好可以用於匹配
re.sub
替換字符串中每一個匹配的子串后返回替換后的字符串
re.sub(正則表達式，替換成的字符串，原字符串)
例子1
import re content = "Extra things hello 123455 World_this is a regex Demo extra things" content = re.sub('\d+','',content) print(content)
結果會講數字替換為為空：
例子2,在有些情況下我們替換字符的時候，還想獲取我們匹配的字符串，然后在后面添加一些內容，可以通過下面方式實現：
import re content = "Extra things hello 123455 World_this is a regex Demo extra things" content = re.sub('(\d+)',r'\1 7890',content) print(content)
結果如下：
這里需要注意的一個問題是\1是獲取第一個匹配的結果，為了防止轉義字符的問題，我們需要在前面加上r
re.compile
將正則表達式編譯成正則表達式對象，方便復用該正則表達式
import re content= """hello 12345 world_this 123 fan """ pattern =re.compile("hello.*fan",re.S) result = re.match(pattern,content) print(result) print(result.group())
正則的綜合練習
獲取豆瓣網書籍的頁面的書籍信息，通過正則實現
import requests import re content = requests.get('https://book.douban.com/').text pattern = re.compile('<li.*?cover.*?href="(.*?)".*?title="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S) results = re.findall(pattern, content) print(results) for result in results: url,name,author,date = result author = re.sub('\s','',author) date = re.sub('\s','',date) print(url,name,author,date)
結果如下：
