自己常用的Python正则表达式

修饰符

正则表达式可以包含一些可选标志修饰符来控制匹配的模式。修饰符被指定为一个可选的标志。多个标志可以通过按位 OR(|) 它们来指定。

import re
str = 'xH\nhow are you'
y0 = re.search(r'xh.*', str)              # 匹配不到任何字符串
y1 = re.search(r'xh.*', str, re.I)        # 匹配到 'xH'
y2 = re.search(r'xh.*', str, re.I|re.S)   # 匹配到整个 str

贪婪匹配与非贪婪匹配

正则表达式默认匹配所有可能中最长的那一个，即所谓的贪婪匹配，非贪婪匹配则是匹配最短的那一个。
在表匹配次数的模式后面加一个’?’，就变成非贪婪匹配。

import re
str = 'xyz'
y0 = re.search(r'\w+', str)			# +代表匹配一个或多个，这里str长3，匹配到最长的字符串 'xyz'
y1 = re.search(r'\w+?', str)		# 非贪婪模式，匹配到符合要求的最短的字符串 'x'

re.search及分组匹配

匹配对象方法	描述
group(num=0)	匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。
groups()	返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。

import re
str = 'xyz'
y0 = re.search(r'\w+', str).group()		# y0 = 'xyz'
y1 = re.search(r'(\w)(\w)(\w)', str)	# 加上特殊字符---括号：分组匹配
# y1.group() = y1.group(0) = 'xyz'
# y1.group(1) = 'x'
# y1.group(2) = 'y'
# y1.group(3) = 'z'
# y1.span() = (0, 3)
# y1.span(1) = (0, 1)
# y1.span(2) = (1, 2)
# y1.span(3) = (2, 3)

re.sub替换

re.sub允许使用函数对匹配项的替换进行复杂的处理。

import re
str = 'x1234z'		# 要替换 str 中前后的字母为 a 和 b ，但保留中间的数字
y = re.sub(r'(\w)(\d+)(\w)', lambda m: 'a' + m.group(2) + 'b', str)
print(y)			# 'a1234b'

链接

1. Python re模块
2. 菜鸟教程正则表达式
3. 博客Python re模块
4. 网易云课堂：看文档学爬虫——Python正则表达式
.
.
.
.
.
.

.