正则表达式详解（python）
发布时间：2020-12-14 00:43:30 所属栏目：百科 来源：网络整理
导读：正则表达式是一个很强大的字符串处理工具，几乎任何关于字符串的操作都可以使用正则表达式来完成，作为一个爬虫工作者，每天和字符串打交道，正则表达式更是不可或缺的技能，正则表达式的在不同的语言中使用方式可能不一样，不过只要学会了任意一门语言的正则
|
正则表达式是一个很强大的字符串处理工具，几乎任何关于字符串的操作都可以使用正则表达式来完成，作为一个爬虫工作者，每天和字符串打交道，正则表达式更是不可或缺的技能，正则表达式的在不同的语言中使用方式可能不一样，不过只要学会了任意一门语言的正则表达式用法，其他语言中大部分也只是换了个函数的名称而已，本质都是一样的。下面，我来介绍一下python中的正则表达式是怎么使用的。
首先，python中的正则表达式大致分为以下几部分： 元字符 模式 函数 re 内置对象用法 分组用法 环视用法 所有关于正则表达式的操作都使用 python 标准库中的 re 模块。 一、元字符 （参见 python 模块 re 文档） . 匹配任意字符（不包括换行符） ^ 匹配开始位置，多行模式下匹配每一行的开始 $ 匹配结束位置，多行模式下匹配每一行的结束 * 匹配前一个元字符0到多次 + 匹配前一个元字符1到多次 ? 匹配前一个元字符0到1次 {m,n} 匹配前一个元字符m到n次 转义字符，跟在其后的字符将失去作为特殊元字符的含义，例如.只能匹配.，不能再匹配任意字符 [] 字符集，一个字符的集合，可匹配其中任意一个字符 | 逻辑表达式 或 ，比如 a|b 代表可匹配 a 或者 b (...) 分组，默认为捕获，即被分组的内容可以被单独取出，默认每个分组有个索引，从 1 开始，按照"("的顺序决定索引值 (?iLmsux) 分组中可以设置模式，iLmsux之中的每个字符代表一个模式,用法参见 模式 I (?:...) 分组的不捕获模式，计算索引时会跳过这个分组 (?P<name>...) 分组的命名模式，取此分组中的内容时可以使用索引也可以使用name (?P=name) 分组的引用模式，可在同一个正则表达式用引用前面命名过的正则 (?#...) 注释，不影响正则表达式其它部分,用法参见 模式 I (?=...) 顺序肯定环视，表示所在位置右侧能够匹配括号内正则 (?!...) 顺序否定环视，表示所在位置右侧不能匹配括号内正则 (?<=...) 逆序肯定环视，表示所在位置左侧能够匹配括号内正则 (?<!...) 逆序否定环视，表示所在位置左侧不能匹配括号内正则 (?(id/name)yes|no) 若前面指定id或name的分区匹配成功则执行yes处的正则，否则执行no处的正则 number 匹配和前面索引为number的分组捕获到的内容一样的字符串 A 匹配字符串开始位置，忽略多行模式 Z 匹配字符串结束位置，忽略多行模式 b 匹配位于单词开始或结束位置的空字符串 B 匹配不位于单词开始或结束位置的空字符串 d 匹配一个数字， 相当于 [0-9] D 匹配非数字,相当于 [^0-9] s 匹配任意空白字符， 相当于 [ tnrfv] S 匹配非空白字符，相当于 [^ tnrfv] w 匹配数字、字母、下划线中任意一个字符， 相当于 [a-zA-Z0-9_] W 匹配非数字、字母、下划线中的任意字符，相当于 [^a-zA-Z0-9_] 二、模式 I IGNORECASE， 忽略大小写的匹配模式,样例如下 s = 'hello World!'
regex = re.compile("hello world!",re.I)
print regex.match(s).group()
#output> 'Hello World!'
#在正则表达式中指定模式以及注释
regex = re.compile("(?#注释)(?i)hello world!")
print regex.match(s).group()
#output> 'Hello World!'L LOCALE， 字符集本地化。这个功能是为了支持多语言版本的字符集使用环境的，比如在转义符w，在英文环境下，它代表[a-zA-Z0-9_]，即所以英文字符和数字。如果在一个法语环境下使用，缺省设置下，不能匹配"é" 或 "?"。加上这L选项和就可以匹配了。不过这个对于中文环境似乎没有什么用，它仍然不能匹配中文字符。
M MULTILINE，多行模式,改变 ^ 和 $ 的行为 s = '''first line
second line
third line'''
# ^
regex_start = re.compile("^w+")
print regex_start.findall(s)
# output> ['first']
regex_start_m = re.compile("^w+",re.M)
print regex_start_m.findall(s)
# output> ['first','second','third']
#$
regex_end = re.compile("w+$")
print regex_end.findall(s)
# output> ['line']
regex_end_m = re.compile("w+$",re.M)
print regex_end_m.findall(s)
# output> ['line','line','line']
S DOTALL，此模式下 '.' 的匹配不受限制，可匹配任何字符，包括换行符 s = '''first line
second line
third line'''
#
regex = re.compile(".+")
print regex.findall(s)
# output> ['first line','second line','third line']
# re.S
regex_dotall = re.compile(".+",re.S)
print regex_dotall.findall(s)
# output> ['first linensecond linenthird line']
X VERBOSE，冗余模式， 此模式忽略正则表达式中的空白和#号的注释，例如写一个匹配邮箱的正则表达式 email_regex = re.compile("[w+.]+@[a-zA-Zd]+.(com|cn)") email_regex = re.compile("""[w+.]+ # 匹配@符前的部分 @ # @符 [a-zA-Zd]+ # 邮箱类别 .(com|cn) # 邮箱后缀 """,re.X) U UNICODE，使用 w,W,b,B 这些元字符时将按照 UNICODE 定义的属性. 正则表达式的模式是可以同时使用多个的，在 python 里面使用按位或运算符 | 同时添加多个模式 如 re.compile('',re.I|re.M|re.S) 每个模式在 re 模块中其实就是不同的数字 print re.I # output> 2 print re.L # output> 4 print re.M # output> 8 print re.S # output> 16 print re.X # output> 64 print re.U # output> 32 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |