文章目录

前言

谢谢大家的关注！我之前做了一些网络爬虫的项目，项目里涉及到了正则表达式的用法，相信大家要是用Python做网络爬虫或者大数据分析必然脱不开正则表达式的使用！这篇文章针对Python的正则表达式做详细的解释，希望文章能对初学者有所帮助，本文章参考书籍例程。

一、正则表达式是什么？

正则表达式是字符串处理的有力工具和技术，是使用某种预定义的模式去匹配一类具有共同特征的字符串，主要用于处理字符串，可以快速、准确地完成复杂的查找和替换等处理要求，在文本编辑与处理、大数据分析、网络爬虫的场合有重要用途！

正则表达式主要是使用 Python中的 re模块。

二、正则表达式基本语法

元字符

功能说明

.

匹配除换行符以外的任意单个字符

*

匹配位于*之前的字符或子模式的0次或多次出现

+

匹配位于+之前的字符或子模式的1次或多次出现

–

在[]之内用来表示范围

|

匹配位于|之前或之后的字符

^

匹配行首，匹配以^后面的字符开头的字符串

$

匹配行尾，匹配以$之前的字符结束的字符串

?

匹配位于?之前的0个或1个字符。当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o”

\

表示位于\之后的为转义字符

\num

此处的num是一个正整数，表示子模式编号。

例如，“(.)\1”匹配两个连续的相同字符

\f

换页符匹配

\n

换行符匹配

\r

匹配一个回车符

\b

匹配单词头或单词尾

\B

与\b含义相反

\d

匹配任何数字，相当于[0-9]

\D

与\d含义相反，等效于[^0-9]

\s

匹配任何空白字符，包括空格、制表符、换页符，与 [ \f\n\r\t\v] 等效

\S

与\s含义相反

\w

匹配任何字母、数字以及下划线，相当于[a-zA-Z0-9_]

\W

与\w含义相反\w含义相反，与“[^A-Za-z0-9_]”等效

()

将位于()内的内容作为一个整体来对待

{m,n}

{}前的字符或子模式重复至少m次，至多n次

[]

表示范围，匹配位于[]中的任意一个字符

[^xyz]

反向字符集，匹配除x、y、z之外的任何字符

[a-z]

字符范围，匹配指定范围内的任何字符

[^a-z]

反向范围字符，匹配除小写英文字母之外的任何字符

三、re模块主要函数

方法

功能说明

compile(pattern[, flags])

创建正则表达式对象

escape(string)

将字符串中所有特殊正则表达式字符转义

findall(pattern, string[, flags])

返回包含字符串中所有与给定模式匹配的项的列表

finditer(pattern, string, flags=0)

返回包含所有匹配项的迭代对象，其中每个匹配项都是Match对象

fullmatch(pattern, string, flags=0)

尝试把模式作用于整个字符串，返回Match对象或None

match(pattern, string[, flags])

从字符串的开始处匹配模式，返回Match对象或None

purge()

清空正则表达式缓存

search(pattern, string[, flags])

在整个字符串中寻找模式，返回Match对象或None

split(pattern, string[, maxsplit=0])

根据模式匹配项分隔字符串

sub(pat, repl, string[, count=0])

将字符串中所有与pat匹配的项用repl替换，返回新字符串，repl可以是字符串或返回字符串的可调用对象，作用于每个匹配的Match对象

subn(pat, repl, string[, count=0])

将字符串中所有pat的匹配项用repl替换，返回包含新字符串和替换次数的二元元组，

repl可以是字符串或返回字符串的可调用对象，

作用于每个匹配的Match对象