Pyuthon正则re模块

就其本质而言，正则表达式（或 RE）是一种小型的、高度专业化的编程语言，（在Python中）它内嵌在Python中，并通过 re 模块实现。正则表达式模式被编译成一系列的字节码，然后由用 C 编写的匹配引擎执行。

（1）元字符

. ：除换行符以外的任意符号，re.S模式也可以使 . 匹配包括换行在内的所有字符

^：匹配字符串的开头

$：匹配字符串的末尾。

*：匹配0个或多个的表达式。默认贪婪模式

+：匹配1个或多个的表达式。默认贪婪模式

?：匹配0个或1个由前面的正则表达式,默认非贪婪模式

{ n,m}：匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式

[ ]：字符集，多个字符选其一，[^...]取反

|：匹配做正则表达式或右边正则表达式

( )：G匹配括号内的表达式，也表示一个组

\：转移符

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58

import re # (1) . ^ $ ret = re.findall("hello world","hello world") print(ret) ret = re.findall("^hello world$","hello python,hello world,hello re") print(ret) ret = re.findall("^hello .....$","hello world") print(ret) # (2) * + ? ret = re.findall("^hello .*","hello ") ret = re.findall("^hello .+","hello ") ret = re.findall("^hello .?","hello abc") # (3) {} () ret = re.findall("hello .{5}","hello python,hello world,hello re,hello yuan") print(ret) ret = re.findall("hello .{2,5}","hello python,hello world,hello re") print(ret) ret = re.findall("hello .{5},","hello python,hello world,hello re") print(ret) ret = re.findall("hello (.*?),","hello python,hello world,hello re,hello yuan,") print(ret) # ret = re.findall("hello (.*?)(?:,|$)","hello python,hello world,hello re,hello yuan") # print(ret) # (4) [] | ret = re.findall("a[bcd]e","abeabaeacdeace") print(ret) ret = re.findall("[a-z]","123a45bcd678") print(ret) ret = re.findall("[^a-z]","123a45bcd678") print(ret) ret = re.findall("www\.([a-z]+)\.(?:com|cn)","www.baidu.com,www.jd.com") print(ret) # (5) \ ''' 1、反斜杠后边跟元字符去除特殊功能,比如\. 2、反斜杠后边跟普通字符实现特殊功能,比如\d \d 匹配任何十进制数； 它相当于类 [0-9]。 \D 匹配任何非数字字符； 它相当于类 [^0-9]。 \s 匹配任何空白字符； 它相当于类 [ \t\n\r\f\v]。 \S 匹配任何非空白字符； 它相当于类 [^ \t\n\r\f\v]。 \w 匹配任何字母数字字符； 它相当于类 [a-zA-Z0-9_]。 \W 匹配任何非字母数字字符； 它相当于类 [^a-zA-Z0-9_] \b 匹配一个特殊字符边界，比如空格 ，&，＃等 ''' ret = re.findall("\d+","123a45bcd678") print(ret) ret = re.findall("(?:\d+)|(?:[a-z]+)","123a45bcd678") print(ret)

（2）正则方法

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

import re # 查找所有符合条件的对象 # re.findall() # 返回列表 # 查找第一个符合条件的匹配对象 s = re.search("\d+","a45bcd678") print(s) print(s.group()) # match同search,不过只在字符串开始处进行匹配 s = re.match("\d+","a45bcd678") # print(s) # print(s.group()) # 正则分割split ret = re.split('[ab]', 'abcd') print(ret) # 正则替换 def func(match): name = match.group() print("name",name) return "xxx" # \1代指第一个组匹配的内容 \2第二个组匹配的内容,思考如何能将所有的名字转大写替换 ret = re.sub("(hello )(.*?)(,)","\\1yuan\\3","hello python,hello world,hello re,") print("ccc",ret) # 编译再执行 obj=re.compile('\d{3}') ret=obj.search('abc123ee45ff') print(ret.group()) # 123

练习：爬虫豆瓣网

1 2 3 4 5 6

com=re.compile( '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>' '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)评价</span>', re.S) com.findall(s)