Python的中 re 模块，主要是用来处理正则表达式，还可以利用 re 模块通过正则表达式来进行网页数据的爬取和存储。
正则表达式的英文是 regular expression，通常简写为 regex、regexp 或者RE，属于计算机领域的一个概念。
正则表达式的主要作用是被用来进行文本的检索、替换或者是从一个串中提取出符合我们指定条件的子串，它描述了一种字符串匹配的模式 pattern 。
目前正则表达式已经被集成到了各种文本编辑器和文本处理工具中。
下面给出一个简单的示例：
^[ 0 - 9 ] + a b c $
-
^ 为匹配输入字符串的开始位置。
-
[0-9] 匹配单个数字。
-
+ 匹配一个或者多个。
-
[0-9]+匹配一个或多个数字。
-
$ 为匹配输入字符串的结束位置。
-
abc$匹配字母 abc 并以 abc 结尾。
^[a-zA-Z0-9_-]{3,15}$
- ^表示匹配字符串的开头。
-
[a-zA-Z0-9_-]表示字符集，包含小写字母、大写字母、数字、下划线和连接字符 -。 -
{3,15}表示前面的字符集最少出现 3 次，最多出现 15 次，从而限制了用户名的长度在 3 到 15 个字符之间。 -
$表示匹配字符串的结尾。
^[0-9]+abc$
匹配以数字开头，并以 abc 结尾的字符串。
正则表达式(括号)、[中括号]、{大括号}的区别：
( )是为了提取匹配的字符串。表达式中有几个（）就有几个相应的匹配字符串。(\s*表示连续空格的字符串。
[ ]是定义匹配的字符范围。比如[a-zA-Z0-9] 表示相应位置的字符要匹配英文字符和数字。[\s*]表示空格或者*号。
{ }一般用来表示匹配的长度，比如\s{3}表示匹配三个空格，\s(1,3]表示匹配一到三个空格。
(0-9)匹配'0-9' 本身。[0-9]*匹配数字(注意后面有*，可以为空)。
[0-9]+ 匹面数字(注意后面有 +，意思为数字匹配0次或多次，不可以为空)。
{0-9}写法错误。[0-9]{0,9}表示长度为0到9的数字字符串
( )和[ ]有本质的区别
( )内的内容表示的是一个子表达式，本身不匹配任何东西，也不限制匹配任何东西，只是把括号内的内容作为同一个表达式来处理，例如(ab){1,3}就表示ab一起连续出现最少1次，最多3次。如果没有括号的话，ab{1,3}就表示a，后面紧跟的b出现最少1次，最多3次。
[ ]表示匹配的字符在 [ ]中，并且只能出现一次，并且特殊字符写在[ ]会被当成普通字符来匹配。例如[ (a) ]，会匹配左括号、a和右括号这三个字符。
以下为正则表达式连接：
正则表达式在线生成工具 - 正则表达式工具
( https://web.100xgj.com/createReg )
示例代码：
import re
pattern = re.compile('[A-Za-z0-9_\-\u4e00-\u9fa5]+')
str = 'qq号-\443440204'
print("开始匹配")
print(pattern.search(str))结果：
开始匹配
<re.Match object; span=(0, 4), match='qq号-'>
进程已结束，退出代码为 0
先介绍常用正则表达式中几种特殊字符的功能：
| 字符 | 含义 | 例子 |
|---|---|---|
| . | 匹配任意一个字符 | ab.可以匹配abc或者abd |
| [ ] [^ ] |
匹配括号中的任意1个字符 匹配除了括号内的字符以外的任意一个字符 |
[abcd]可以匹配a、b、c、d
|
| - | 在[ ]内表示的字符范围内进行匹配 | [0-9a-fA-F]可以匹配任意一个16进制的数字 |
| ^ | 位于[ ]括号内的开头，匹配除括号中的字符之外的任意1个字符 | [^xy]匹配xy之外的任意一个字符，比如[^xy]1可以匹配A1、B1但是不能匹配x1、y1 |
数量限定符
| 字符 | 含义 | 例子 |
|---|---|---|
| ？ | 匹配前面紧跟字符的0次或者1次 | [0-9]?，匹配1、2、3 |
| + | 匹配前面紧跟字符的1次或者多次 | [0-9]+，匹配1、12、123等 |
| * | 匹配前面紧跟字符的0次或者多次 | [0-9]*，不匹配或者12、123（待验证） |
| {N} | 匹配前面紧跟字符精确到N次 | [1-9][0-9]{2}，匹配100到999的整数，{2}表示[0-9]匹配两个数字 |
| {,M} | 匹配前面紧跟字符最多M次 | [0-9]{,1}，指的是最多匹配0-9之间的1个整数，相当于是0次或者1次，等价于[0-9]? |
| {N,M} | 匹配前面紧跟字符的至少N次，最多M次 | [0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}，匹配IP地址，其中.号是特殊字符，需要使用转义字符\ |
在 Python 中主要是利用 re 模块进行正则表达式的处理，涉及到 4 个常用的方法：
re.match()
re.search()
re.findall()
re.sub()
re.split()
import re # 使用之前先进行导入re模块
re 模块简介
re模块主要定义了9个常量、12个函数、1个异常，每个常量和函数siki学院都会通过实际代码案例讲解，让大家能更直观的了解其作用！标准库的意思表示这是一个Python内置模块，不需要额外下载，目前Python内置模块大概有300个。可以在这里查看Python所有的内置模块：
re模块简介聊到Python正则表达式的支持，首先肯定会想到re库，这是一个Python处理文本的标准库。
re.match(pattern, string, flags)
| 参数 | 描述 |
|---|---|
| pattern | 匹配的正则表达式 |
| string | 要匹配的字符串 |
| flags | 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。 |
标志位 flags
正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志，如 re.I | re.M 被同时设置成 I 和 M 标志：
| 修饰符 | 描述 |
|---|---|
| re.I | 忽略大小写（常用） |
| re.L | 做本地化识别（locale-aware）匹配 |
| re.M | 多行匹配，影响 ^ 和 $ |
| re.S | 使 . 匹配包括换行在内的所有字符 |
| re.U | 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B. |
| re.X | 该标志通过给予更灵活的格式，以便将正则表达式写得更易于理解。 |
match
从指定字符串的开始位置进行匹配。开始位置匹配成功则继续匹配，否则输出None。
该方法的结果是返回一个正则匹配对象，通过两个方法获取相关内容：
- 通过 group() 来获取内容
- 通过 span() 来获取范围：匹配到字符的开始和结束的索引位置
re.match(pattern, string, flags) # match方法为例
示例代码：
import re
print(re.match('www', 'www.bd.com').span()) # 在起始位置匹配
print(re.match('com', 'www.bd.com')) # 不在起始位置匹配
line = "Cats are smarter than dogs"
matchObj = re.match(r'(.*) are (.*?) .*', line, re.M | re.I)
if matchObj:
print("matchObj.group() : ", matchObj.group())
print("matchObj.group(1) : ", matchObj.group(1))
print("matchObj.group(2) : ", matchObj.group(2))
else:
print("No match!!")运行结果：
(0, 3)
None
matchObj.group() : Cats are smarter than dogs
matchObj.group(1) : Cats
matchObj.group(2) : smarter
re.match与re.search的区别
re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
位置相关
| 字符 | 含义 | 例子 |
|---|---|---|
| ^ | 匹配开头的位置；通过\A | ^hello 匹配hello开头的字符内容 |
| $ | 匹配结束的位置同\Z | ;$ 匹配一行结尾的;符号 ^$匹配空行 |
| < | 匹配单词开头的位置 | <th 匹配…this但是不能匹配ethernet等 |
| > | 匹配单词结尾的位置 | p> 匹配leap等，但是不能匹配parent、sleepy等不是p结尾的单词 |
| \b | 匹配单词开头或结尾的位置 | \bat 匹配…at…，但是不能匹配cat、atexit、batch（非at开头） |
| \B | 匹配非单词开头或者结尾的单词 | \Bat匹配battery，但是不能匹配attend/hat等以at开头的单词 |
特殊字符
| 字符 | 含义 | 例子 |
|---|---|---|
| \ | 转义字符，保持后面字符的原义，使其不被转义 | \. 输出. |
| ( ) | 将表达式的一部分括起来，可以对整个单元使用数量限定符，匹配括号中的内容 | ([0-9]{1,3}\.){3}[0-9]{1,3}表示将括号内的内容匹配3次 |
| | | 连接两个子表达式，相当于或的关系 | n(o|either)匹配no或者neither |
| \d | 数字字符 | 相当于是[0-9] |
| \D | 非数字字符 | 相当于是[^0-9] |
| \w | 数字字母下划线 | [a-zA-Z0-9_] |
| \W | 非数字字母下划线，匹配特殊字符 | [^\w] |
| \s | 空白区域 | [\r\t\n\f]表格、换行等空白区域 |
| \S | [^\s] | 非空白区域 |
贪婪模式与非贪婪模式:
- .*? 非贪婪模式
- .* 贪婪模式
import re
str = "aaaacbabadceb"
res = re.findall("a.*?b", str)
res1 = re.findall("a.*b", str)
str2 = "aaaacbabadcebfegbbb"
res2 = re.findall("a.*b", str2)
print(res)
print(res1)
print(res2)
运行结果为：
['aaaacb', 'ab', 'adceb']
['aaaacbabadceb']
['aaaacbabadcebfegbbb']文章来源：https://www.toymoban.com/news/detail-789709.html
文章来源地址https://www.toymoban.com/news/detail-789709.html
- 在上面的非贪婪模式中，使用了问号 ？，当匹配到 aaaacb 已经达到了要求，停止第一次匹配；接下来再开始匹配到 ab ；再匹配到 adceb ；所以存在多个匹配结果
- 在贪婪模式中，程序会找到最长的那个符合要求的字符串
到了这里，关于006集 正则表达式 re 应用实例—python基础入门实例的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
