Python中的正则表达式及其常用匹配函数用法简介

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

此曲只应天上有，人间难得几回闻。

/1 前言/

    正则表达式是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。在这篇文章之前，小编整理过Python正则表达式系列文章，如下所示：

1. Python正则表达式初识（一）

2. Python正则表达式初识（二）

3. Python正则表达式初识（三）

4. Python正则表达式初识（四）

5. Python正则表达式初识（五）

6. Python正则表达式初识（六）

7. Python正则表达式初识（七）

8. Python正则表达式初识（八）

9. Python正则表达式初识（九）

10. Python正则表达式初识（十）附正则表达式总结

11. Python正则表达式的简单应用和示例演示

    这次给大家主要是介绍Python中的正则表达式，及其相关函数的基本使用方法，并且捎带一些正则表达式给我们带来的便利。

/2 简介/

    Python 自1.5版本起增加了re 模块，它提供 Perl风格的正则表达式模式。re 模块使得Python 语言拥有全部的正则表达式功能。

    compile 函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。

    re 模块也提供了与这些方法功能完全一致的函数，这些函数使用一个模式字符串做为它们的第一个参数。

/3 re.match函数/

    re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。语法如下所示：

re.match(pattern, string, flags=0)

    “pattern”匹配的正则表达式“string”要匹配的字符串“flags”标志位。

    匹配成功re.match方法返回一个匹配的对象，否则返回None。

    我们可以使用group(num)或 groups() 匹配对象函数来获取匹配表达式。

    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。

下图是个实际例子：

输出结果如下图所示：

/4 检索和替换/

    Python 的re模块提供了re.sub用于替换字符串中的匹配项。语法如下所示：

re.sub(pattern, repl, string, count=0, flags=0)

参数：

    pattern : 正则中的模式字符串。

    repl : 替换的字符串，也可为一个函数。

    string : 要被查找替换的原始字符串。

    count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

    flags : 编译时用的匹配模式，数字形式。

前三个为必参数，后两个为可选参数。

下图是个实际例子：

输出结果如下图所示：

/5 compile函数/

    compile 函数用于编译正则表达式，供match() 和 search() 这两个函数使用。语法格式为：

re.compile(pattern[, flags])

参数：

    pattern : 一个字符串形式的正则表达式

    flags 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：

    re.I 忽略大小写

    re.L 表示特殊字符集 \w,\W, \b, \B, \s, \S 依赖于当前环境

    re.M 多行模式

    re.S 即为' . '并且包括换行符在内的任意字符（' . '不包括换行符）

    re.U 表示特殊字符集 \w,\W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库

    re.X 为了增加可读性，忽略空格和'# '后面的注释

/6 正则表达式对象/

    re.RegexObject：re.compile() 返回RegexObject 对象。

    re.MatchObject：group() 返回被 RE 匹配的字符串。

        start() 返回匹配开始的位置

        end() 返回匹配结束的位置

        span() 返回一个元组包含匹配 (开始,结束) 的位置

/7 正则表达式修饰符 - 可选标志/

    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。如 re.I| re.M 被设置成 I 和 M 标志：

re.I	使匹配对大小写不敏感
re.L	做本地化识别（locale-aware）匹配
re.M	多行匹配，影响 ^ 和 $
re.S	使 . 匹配包括换行在内的所有字符
re.U	根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X	该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。

/8 正则表达式模式/

    模式字符串使用特殊的语法来表示一个正则表达式：

    字母和数字表示他们自身。一个正则表达式模式中的字母和数字匹配同样的字符串。

    多数字母和数字前加一个反斜杠时会拥有不同的含义。

    标点符号只有被转义时才匹配自身，否则它们表示特殊的含义。

反斜杠本身需要使用反斜杠进行转义。

    由于正则表达式通常都包含反斜杠，所以你最好使用原始字符串来表示它们。模式元素(如 r'\t'，等价于 \\t )匹配相应的特殊字符。

    下表列出了正则表达式模式语法中的特殊元素。如果你使用模式的同时提供了可选的标志参数，某些模式元素的含义会改变。

正则表达式实例

    字符匹配

实例	描述
python	匹配 "python".

    字符类

/9 实际应用/

    以猫眼电影为例。我们需要获取(电影的名字作者，上映时间)等等都可以用正则表达式来解析。

    分析一下，利用正则表达式提取。

    可以看到我们要的名字在一个a里面，而他们被一个div包裹着。

    我们把div想象成一个盒子，可以看到div里面还有一个div 我们可以先找他上面一层的div是一个表单

再找到它的上一层的盒子div

一般来说我们找到前两层就可以找到我们要的结果。如果不对就再找几层。

    分析完再实际操作一下：

pattern = re.compile('
.*?title="(.*?)".*?class="star">(.*?)
.*?releasetime">(.*?)
',re.S)

    (.*？)表示我们要的内容

(.*?)

里面的主演也是我们要的这样我们就可以得到我们想要得多个数据。

/10 小结/

    1. 正则表达式适合一些需要获取多个数据的场景。它能够以更快捷的方式去获取到我们想要的数据。

    2. 本文主要介绍了正则表达式，及其基本用法，具体每个字符的用法，可以参考前言里边的正则表达式系列文章，希望能够帮助大家更好的了解正则表达式的用法。

    3. 想学习更多关于Python的知识，可以参考学习网址：http://pdcfighting.com/

------------------- End -------------------

往期精彩文章推荐：

• 手把手用Python教你如何发现隐藏wifi
  

• 手把手教你用Python做个可视化的“剪刀石头布”小游戏
  

• 手把手用Python网络爬虫带你爬取全国著名高校附近酒店评论
  

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行

/今日留言主题/

随便说一两句吧~~