Python正则表达式模块re

元字符匹配

单字符匹配：字符功能.匹配任意字符，除了\n[]匹配[]中列举的字符\d匹配数字，相当于[0-9]\D匹配非数字\s匹配空白，即空格、tab键\S匹配非空白\w匹配单词字符，即任意字母数字下划线\W匹配非单词字符数量匹配：字符功能*0或多个，相当于{0,}+至少一个，相当于{1,}?0或1个，相当于{0,1}{m}匹配前一个规则的字符出现m次边界匹配：字符功能^匹配字符串开头$匹配字符串结尾\b匹配单词边界\B匹配非单词边界分组匹配：字符功能``匹配左右任意一个表达式()将括号中字符作为一个分组

findall()

匹配字符串中所有符合正则的内容（都没找到返回空列表[]）。


import re
s = '我的号码是：10086，你的号码是10010'
list = re.findall(r'\d+', s, re.S)
print(list)  # ['10086', '10010']

字符串的r标记，表示当前字符串是原始字符串，即内部的转义字符无效而是普通字符。

re.S的作用是让findall()函数在查找时可以自动考虑换行的影响，使得非贪婪匹配可以匹配换行。

re模块中的标志还有：

re.IGNORECASE，忽略大小写
re.MULTILINE，多行匹配
re.DOTALL，作用类似re.S

通过正则表达式获取图片名称title和图片网址src，res为网页源代码

p_title = '<img width="100" alt="(.?)"' title = re.findall(p_title, res) p_img = '<img width="100" alt=".?" src="(.*?)"' src= re.findall(p_img, res)

非贪婪匹配：“(.?)”用于提取文本A与文本B之间的内容；“.?”用于代替文本A和文本B之间的内容。

finditer()

匹配字符串中所有符合正则的内容，返回的结果是迭代器。


iter = re.finditer('d+', s)
for i in iter:
    print(i.group())

输出结果如下：


10086
10010

search()

找到一个结果就返回（都没找到返回None），返回结果是match对象。


s = "我的号码是：10086，你的号码是10010"
search = re.search("\\d+", s)
print(search.span())  # (6, 11)
print(search.group())  # 10086

match()

从头开始匹配。


s = '我的号码是：10086，你的号码是10010'
m = re.match('\\d+', s) # 匹配不到
s2 = "10086，10010"
m2 = re.match("\\d+", s2)
print(m2.span())  # (0, 5)
print(m2.group())  # 10086

sub()

sub()函数的名称来自英文单词substitute（替换），语法格式：re.sub(需要替换的内容, 替换值, 原字符串)。

预加载正则表达式


s = '我的号码是：10086，你的号码是10010'
obj = re.compile('d+')
ret = obj.finditer(s)
for i in ret:
    print(i.group())
s = "<div class='first'><span id='2'>周杰伦</span></div>"
(?P<分组名字>正则)可以单独从正则匹配的内容中进一步提取内容
obj = re.compile("<span id='d+'>(?P<name>.*?)</span>", re.S)
result = obj.finditer(s)
for i in result:
print(i.group("name"))  # 结果为：周杰伦

目录