正则表达式的基本使用
一、定义
筛选符合定义的东西，正则寻找的永远是字符串。
二、模块与匹配过程
在Python中需要通过正则表达式对字符串进⾏匹配的时候，可以使⽤⼀个Python自带的模块，名字为re。
正则表达式的大致匹配过程是：
1.依次拿出表达式和文本中的字符比较，
2.如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
三、文章概述（思维导图展示）
四、正则表达式常用函数
表2 常用函数
| 函数 |
定义 |
使用方法 |
| re.match |
从头开始匹配需要查找的字符，如果不成功会返回空值 |
result = re.match(“正则表达式”, 字符串) |
| re.search |
可以查找字符串的任意位置，匹配整个字符串，会返回匹配的内容和匹配的位置，查找到一个匹配后不再向下查找 |
result = re.search(“正则表达式”, 字符串) |
| re.findall |
同search函数一样可以匹配整个字符串，查到一个后会继续向下查找，直到字符串末尾，并返回全部符合条件的字符串 |
result = re.findall(“正则表达式”, 字符串) |
| re.sub |
用于替换字符串中的值 |
result = re.sub(“正则表达式”, “新内容”,字符串) |
| re.spilt |
用于按照给定的字符去切割字符串 |
result = re.spilt(“正则表达式”, 字符串) |
五、正则表达式预定义
（一）正则表达式表格展示
表1 正则表达式预定义
| 字符 |
功能 |
| . |
寻找任意字符（除了\n） |
| [ ] |
寻找[ ]中列举的字符 |
| \d |
寻找数字，即0-9 |
| \D |
寻找⾮数字，即不是数字 |
| \s |
寻找空⽩，即空格，tab键 |
| \S |
寻找⾮空⽩字符 |
| \w |
寻找单词字符，即a-z、A-Z、0-9、_ |
| \W |
寻找⾮单词字符 |
| * |
寻找前一个字符出现>=0次 |
| + |
寻找前一个字符>=1次 |
| ? |
寻找前一个字符出现0或1次 |
| {m} |
用于验证将前面的模式匹配m次,即限制m位 |
| {m,} |
用于验证将前面的模式匹配m次或者多次 |
| {m,n} |
用于验证将前面的模式匹配大于等于m次且小于等于n次 |
| ^ |
匹配字符串开头 |
| $ |
匹配字符串结尾 |
（二）示例部分
示例1：qq号码验证
目标：5-11位，开头不能是零，以qq = "10471204"为例。
表达式：
result = re.match("^[1-9][0-9]{4,10}$", qq)
print(result)
对应说明：
“^”: 此时表达式中的"^"可有可无，因为使用的是match函数，即从头开始匹配。
“[1,9]”: 首先验证开头不能是0，所以匹配开头一个字符为[1-9]
“[0,9]”: 表示后面的数字可以是从0-9，没有限制。
“{4,10}”: {4,10}表示将前一个匹配模式匹配大于等于4次且小于等于10次。前一个匹配模式即为[0-9]，即qq号的第2位到第11位可以是从0到9的任意数字。因为第一位不能为0的限制已经占去一个字符，所以从第2位开始匹配“0到9的任意数字”这个条件。且题中限制最短5位，所以至少需要匹配4次。即{4,10}中的4表达的意思，若给出的字符串小于5位则匹配不成功。题中限制最长11位，所以至多只能匹配10次。即{4,10}中的10表达的意思，若给出的字符串大于11位则匹配不成功。
“$”: 表示要一直匹配到结尾。
输出结果：
其中span表示匹配成功字符串的范围，使用result.span()可以提取其内容：
(0, 8)
match表示匹配成功的字符串内容，使用result.group()可以提取其内容：
10471204
示例2：匹配用户名
目标：可以是数字或字母或_，不能以数字开头，用户名长度必须6位以上。
表达式：
username = "admin_002"
result = re.search("^[a-zA-Z]\w{5,}$", username)
print(result)
对应说明：
注：此时使用的是search函数，且题中要求从头开始匹配至结尾，所以需要在开头结尾添加”^”与”$”。
“^”：表示从字符串开头开始匹配。
“$”: 表示要一直匹配到结尾。
“[a-zA-Z]”：表示不能以数字开头，所以只能以大小写字母开头。
“\w”：表示匹配用户名可以是数字或字母或_。
“{5,}”：用户名长度必须6位以上，所以写入{5,}，即将前一个模式匹配五次以上，而并没有小于长度的限制，所以只写{5,}即可。
输出结果：
span表示匹配成功字符串的范围，使用result.span()可以提取其内容：
(0, 9)
match表示匹配成功的字符串内容，使用result.group()可以提取其内容：
admin_002
特别注意的是，当正则表达式中有转义字符时，需要在正则表达式前添加r。
示例3：找寻文件
目标：找到所有py文件
表达式：
msg = "aa.py ab.txt bb.py kk.png uu.py apyb.txt"
result = re.findall(r"\w+\.py\b", msg)
print(result)
对应说明：
注：因为要寻找所有符合条件的文件，所以需要使用findall函数
“\b”：为表示找开头或结尾为某字符的字符串，所以在.py后面添加\b。
“\w”：表示匹配的字符串可以是数字或字母或_。
“+”：表示文件名长度可以任意。
”r”：其中”\b”有转义的意思，所以要在整个字符串前加”r”。且”.” 在正则中有寻找任意字符串的意思，所以要加转义字符。
若不加”r”，则需要在其前加”\”，即re.findall("\w*\\.py\\b", msg)
输出结果：
['aa.py', 'bb.py', 'uu.py']
六、分组正则
在爬虫中通常需要使用分组正则来提取想要的内容，再使用group()进行输出。
示例1：
目标：要求提取标签内的内容，即”hello”。
表达式：
msg1 = "
hello
"result = re.match(r"<\w+>(.+)", msg1)
print(result)
print(result.group(1))
对应说明：
在正则表达式中，每一个()里的内容就是一组，如例4中”(.+)”中的”.+”即为一组。
”.+”：表示提取的内容可以是除空格外的任何字符，且长度>=1。
“\w”：表示匹配的字符串可以是数字或字母或_。
”r”： 当正则表达式中有转义字符时，需要在正则表达式前添加”r”。
输出结果：
使用print(result.group(1))可以在控制台得到输出内容：
hello
当标签过多时可以将标签也分组，如msg = "
hello
"，前后标签一致时，此时分组正则有两个起名方式。1、number：使用\1，\2的方式进行引用。
表达式：
result = re.match(r"<(\w+)><(\w+)>(.+)$", msg)
print(result)
print(result.group(1))
print(result.group(2))
print(result.group(3))
对应说明：
”.+”：表示提取的内容可以是除空格外的任何字符，且长度>=1。
“\w”：表示匹配的字符串可以是数字或字母或_。
“$”: 表示要一直匹配到结尾。
”r”： 当正则表达式中有转义字符时，需要在正则表达式前添加”r”。
“\1”：表示引用前面第一个括号内的内容
“\2”：表示引用前面第二个括号内的内容。
输出结果：
hello