python进阶之正则表达式操作
正则表达式在线验证网站
regex101: build, test, and debug regex
目录
正则表达式在线验证网站
一、正则表达式
1、. 匹配字符
2、 * 表示重复匹配任意次
3、+ 重复匹配多次 ，不包括0次
4、问号 匹配 0 - 1 次
5、花括号 指定匹配次数
6、贪婪模式和非贪婪模式
7、转义字符 \
8、匹配某种字符类型
9、方括号 表示要匹配 指定的几个字符之一
10、起始、结尾位置 和 单行、多行模式
（1）起始位置 ^
(2)结束位置 $
11、 竖线 表示匹配其中之一
12、（） 括号分组
13、一个简单的小例子
二、正则表达式在python中应用
1、findall 返回的是一个list
2、 finditer 返回的是一个迭代器
3、search 返回match对象
4、match 默认从头匹配
5、预加载正则表达式
6、（）分组取html标签相关内容
一、正则表达式
1、. 匹配字符
. 可以表示除换行符之外的所有任意单个字符。
如从下文本，选取出所有的颜色
苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的就可以使用 .色进行匹配 如下:
编写 python代码如下 ：
import re
content = """
苹果是绿色的
橙子是橙色的
香蕉是黄色的
乌鸦是黑色的
"""
# r 是防止转义
p = re.compile(r'.色')
for i in p.findall(content):
print(i)
结果如下：
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test1.py
绿色
橙色
黄色
黑色
2、 * 表示重复匹配任意次
*表示匹配前面的子表达式任意次，包括0次。比如，你要从下面的文本中，选择每行逗号后面的字符串内容，包括逗号本身。
苹果，是绿色的
橙子，是橙色的
香蕉，是黄色的
乌鸦，是黑色的
猴子，就可以这样写正则表达式
，.*紧跟在 . 后面， 表示 任意字符可以出现任意次， 所以整个表达式的意思就是在逗号后面的 所有字符，包括逗号
验证如下：
3、+ 重复匹配多次 ，不包括0次
还是 2 的例子
4、问号 匹配 0 - 1 次
5、花括号 指定匹配次数
花括号表示 前面的字符匹配
指定的次数。比如 ，下面的文本
红彤彤，绿油油，黑乎乎，绿油油油油
表达式
油{3}就表示匹配 连续的 油 字 3次表达式
油{3,4}就表示匹配 连续的 油 字 至少3次，至多 4 次就只能匹配 后面的，如下所示
6、贪婪模式和非贪婪模式
我们要把下面的字符串中的所有html标签都提取出来，
source = 'Title '
得到这样的一个列表
['', '', '', ' ']
很容易想到使用正则表达式 <.*>
但是它会匹配
在正则表达式中， ‘*’, ‘+’, ‘?’ 都是贪婪地，使用他们时，会尽可能多的匹配内容，
所以， <.*> 中的 星号（表示任意次数的重复），一直匹配到了 字符串最后的 里面的e。
解决这个问题，就需要使用非贪婪模式，也就是在星号后面加上 ? ，变成这样 <.*?>
7、转义字符 \
8、匹配某种字符类型
反斜杠后面接一些字符，表示匹配
某种类型的一个字符。比如
\d 匹配0-9之间任意一个数字字符，等价于表达式 [0-9]
\D 匹配任意一个不是0-9之间的数字字符，等价于表达式 [^0-9]
\s 匹配任意一个空白字符，包括 空格、tab、换行符等，等价于表达式 [\t\n\r\f\v]
\S 匹配任意一个非空白字符，等价于表达式 [^ \t\n\r\f\v]
\w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式 [a-zA-Z0-9_]
缺省情况也包括 Unicode文字字符，如果指定 ASCII 码标记，则只包括ASCII字母
\W 匹配任意一个非文字字符，等价于表达式 [^a-zA-Z0-9_]
9、方括号 表示要匹配 指定的几个字符之一
比如
[abc]可以匹配 a, b, 或者 c 里面的任意一个字符。等价于[a-c]。
[a-c]中间的 - 表示一个范围从a 到 c。如果你想匹配所有的小写字母，可以使用
[a-z]
一些 元字符 在 方括号内 失去了魔法， 变得和普通字符一样了。
比如
[akm.]匹配a k m .里面任意一个字符这里
.在括号里面不在表示 匹配任意字符了，而就是表示匹配.这个 字符
如果在方括号中使用
^， 表示非方括号里面的字符集合。
10、起始、结尾位置 和 单行、多行模式
（1）起始位置 ^
^表示匹配文本的开头位置。正则表达式可以设定
单行模式和多行模式如果是
单行模式，表示匹配整个文本的开头位置。如果是
多行模式，表示匹配文本每行的开头位置。比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,
(2)结束位置 $
$表示匹配文本的结尾位置。如果是
单行模式，表示匹配整个文本的结尾位置。如果是
多行模式，表示匹配文本每行的结尾位置。比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,
11、 竖线 表示匹配其中之一
12、（） 括号分组
为什么要有组的概念呢？因为我们往往需要提取已经匹配的 内容里面的 某些部分的信息。
前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也
包括逗号本身。
苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的就可以这样写正则表达式
^.*，
但是，如果我们要求 不要包括逗号 呢？
当然不能直接 这样写
^.*因为最后的逗号 是 特征 所在， 如果去掉它，就没法找 逗号前面的了。
但是把逗号放在正则表达式中，又会包含逗号。
解决问题的方法就是使用 组选择符 ： 括号。
我们这样写
^(.*)，，结果如下
在复杂一点分组如下：
使用 ?P<分组名> 可以给组进行命名，方面后续拿取
代码如下：
import re
content = """苹果，!@苹果是绿色的"""
# r 是防止转义
p = re.compile(r'^(?P(?P(?P.*)，)!)@')
for match in p.finditer(content):
print(match.group('a'))
print(match.group('b'))
print(match.group('c'))
输出结果如下：
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test1.py
苹果，!
苹果，
苹果13、一个简单的小例子
将文本下工资取出来
Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师（C++/python） 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师（Python） 赫里普（上海）信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
如下：
[\d.]+万\/每?月
分析：
[\d.]+表示 匹配 数字或者点的多次出现 这就可以匹配像： 3 33 33.33 这样的 数字
万/每{0,1}月是后面紧接着的，如果没有这个，就会匹配到别的数字， 比如 Python3 里面的3。其中
每{0,1}月这部分表示匹配每月每 这个字可以出现 0次或者1次。还可以用
每?月因为问号表示 前面的字符匹配0次或者1次
二、正则表达式在python中应用
1、findall 返回的是一个list
匹配字符串中，所有符合正则的内容
import re
lis = re.findall(r'\d+','我的电话是：10086，张三的电话是10010')
print(lis)结果
2、 finditer 返回的是一个迭代器
匹配字符串中所有的内容，返回的是一个迭代器，从迭代器中拿到内容需要， .group()
import re
lis = re.finditer(r'\d+', '我的电话是：10086，张三的电话是10010')
for i in lis:
print(i.group())结果：
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
10086
100103、search 返回match对象
search 找到一个结果就返回，返回的是match对象，拿数据需要.group()
import re
lis = re.search(r'\d+', '我的电话是：10086，张三的电话是10010')
print(lis.group())结果
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
100864、match 默认从头匹配
代码
import re
lis = re.match(r'\d+', '我的电话是：10086，张三的电话是10010')
print(lis.group())结果
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
Traceback (most recent call last):
File "D:\pythontest\plane\正则表达式\test2.py", line 4, in
print(lis.group())
AttributeError: 'NoneType' object has no attribute 'group' 代码
import re
lis = re.match(r'\d+', '10086，张三的电话是10010')
print(lis.group())结果
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
100865、预加载正则表达式
把参数拿出来提前赋值，如下：
obi = re.compile(r'\d+')
使用时只需 obj.find(内容即可) 其它同理
6、（）分组取html标签相关内容
如下内容：
import re
content = '''张三
李四
王五
赵六'''
# re.S 让.能匹配换行符
obj = re.compile(r"(?P.*?) ", re.S)
result = obj.finditer(content)
for it in result:
print(it.group('c'))
结果如下：
D:\pythontest\plane\venv\Scripts\python.exe D:/pythontest/plane/正则表达式/test2.py
张三
李四
王五
赵六