Python之re模块详解

Python——re模块

 简介

定义：re模块称为正则表达式；

作用：创建一个"规则表达式"，用于验证和查找符合规则的文本，广泛用于各种搜索引擎、账户密码的验证等；

预定义字符

"""
\d匹配所有的十进制数字0-9
\D匹配所有的非数字，包含下划线
\s匹配所有空白字符（空格、TAB等）
\S匹配所有非空白字符，包含下划线
\w匹配所有字母、汉字、数字a-z A-Z 0-9
\W匹配所有非字母、汉字、数字，包含下划线
"""

特殊字符

1、$：匹配一行的结尾（必须放在正则表达式最后面）

2、^：匹配一行的开头（必须放在正则表达式最前面）

3、*：前面的字符可以出现0次或多次（0~无限）

4、+：前面的字符可以出现1次或多次（1~无限）

5、？：变"贪婪模式"为"勉强模式"，前面的字符可以出现0次或1次

6、.：匹配除了换行符"\n"之外的任意单个字符

7、|：两项都进行匹配

8、[ ]：代表一个集合，有如下三种情况

• [abc]：能匹配其中的单个字符

• [a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）

• [2-9] [1-3]：能够做组合匹配

9、{ }：用于标记前面的字符出现的频率，有如下情况：

• {n，m}：代表前面字符最少出现n次，最多出现m次

• {n，}：代表前面字符最少出现n次，最多不受限制

• {，m}：代表前面字符最多出现n次，最少不受限制

• {n}：前面的字符必须出现n次

反斜杠问题

字符串中有反斜杠的，需要对反斜杠做转义：

str = "\\123 223"# \123 223
str = r"\123 223"# \123 223

在正则表达式中，我们需要用多个反斜杠来匹配一个反斜杠：

find = re.search('\\\\\w+', str)
find = re.search(r'\\\w+', str)

匹配方法

1、match：在目标文本的开头进行匹配

find = re.math('hello', str1)# 匹配成功返回匹配对象hello，不成功返回None

2、search：在整个目标文本中进行匹配

3、findall：扫描整个目标文本，返回所有与规则匹配的子串组成的列表，如果没有匹配的返回空列表

4、finditer：扫描整个目标文本，返回所有与规则匹配的子串组成的迭代器

5、fullmatch：要求目标文本要完全匹配规则，否则返回None

6、sub：将与规则匹配的子串替换为其他文本

str1 = re.sub('\w+', 'aaa', str, count=0)# count默认为0，表示全部替换

7、split：从与规则匹配的子串进行切割，返回切割后子串组成的列表

8、匹配对象的方法（对匹配到的对象使用）：

（）：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据

• group：用于查看指定分组匹配到的内容

str = '<p>这是一个<a href="###">文本</a></p>
find = re.search('<a href="(.+)">(\w+)</a>', str)
print(find.group())# 默认为0，表示匹配到的全部文本，传入1时输出第一个分组###

• groups：返回一个元组，组内为所有匹配到的内容（上面案例输出（'###'，‘文本'））

• groupdict：返回一个字典，包含分组的键值对，需要为分组命名

find = re.search('<a href="(?P<href>.+)">(?P<text>\w+)</a>', str)

start：返回匹配到的内容在文本中的起始索引end：返回匹配到的内容在文本中的结束索引span：返回由起始索引和结束索引组成的元组 推荐

推荐一个正则闯关网站：https://alf.nu/RegexGolf

来源：https://blog.csdn.net/weixin_40620310/article/details/120423900