python3 爬虫相关学习10：RE 库/ regex /regular experssion）正则表达式学习

目录

1 关于：re / regex / regular expression 

1.1 什么是正则表达式

1.2 在python中导入 re

1.3 查看regex相关信息

2  正则表达式的相关符号

2.1 行定位符

2.2 元字符 (注意是 反斜杠\)

2.3 限定符号

2.4 字符类，字符集合 需要 中括号[]

2.5 排除字符   [^ ]

2.6 选择字符 |

2.7 转义字符 反斜杠 \

2.8 分组符号  ()

2.9 正则表达式需要用   " " 引号，但是要小心各种特殊符号

3  正则表达式的方法

---

1 关于：re / regex / regular expression 

1.1 什么是正则表达式

• regular expression 正则表达式
• 是计算机科学的一个概念
• 是一个跨多种编程语言的语言格式

1.2 在python中安装正则  pip install regex (安装时不是 re !)

• 导入 re 模块 
• 模块其实可以认为是一个  .py文件
• 错误写法： pip install  re
• 正确写法:   pip install  regex

1.3 查看regex相关信息

• pip list
• pip show regex

1.4 在python中导入 re :  import re

• 导入 re 模块 
• 模块其实可以认为是一个  .py文件
• 正确写法:    import re

2  正则表达式的相关符号

2.1 行定位符

用来描述字符串的边界，1行的边界？全部字符串的边界把？ 可以叫做 字符串整体定位符？^ ^

^       #表示字符串开头

$      #表示字符串结尾

2.2 元字符 (注意是 反斜杠\)

\w   #匹配 字母，数字，下划线等，还有各自文字，比如汉字

\W   #^w 非w

\s     # 匹配空格，换行，tab 等几种看不见的内容 也就是：空格 \n  \t

\S    #^s 非s

\b    #begin 单词的开始的意思  如 \bw 匹配单词(不是整个字符串)开始的字母，数字，下划线等，所以  \b不同于 ^

\d     # 匹配数字

.      #  任意字符

三种括号也是有特殊意义的

()    #匹配方括号的每个字符，比如(fruit|food)s 表示 fruits|foods

[]    # 匹配方括号的任一个字符，比如 [abc] 表示 a,b ,c 都可以

{}   # 限定次数符号，看下面

2.3 限定（次数）符号 : 次数 * + ? 以及{}

*         # 匹配前面的字符0次/无限次

+        # 匹配前面的字符1次/无限次   

?        # 匹配前面的字符0次/1次，常用于 .*? 这种非贪婪模式

{n}      # 匹配前面的字符n次

{n,}     # 匹配前面的字符至少n次

{n,m}  # 匹配前面的字符 最少n次，最多m次， n-m次之间的都符合

e.g

^/d{8}     #匹配8个数字

.*s          #非贪婪匹配任意个数字

2.4 字符类/字符集合 需要 中括号 [ ]

[abcd]                      # 匹配abcd中的任意一个都可以

[12345]                    # 匹配1-5中的任意一个都可以

[0-9]                         # 匹配任意一个数字，等同于\d

[a-z0-9A-Z]              # 匹配所有英文字母，数字，几乎等同\w 是\w的子集（不含汉字等）

2.5 排除字符   [^ ]

关键字 ^

/W                   # 相当于/^w，但是写法不对，必须写在中括号里 [^]  写在外面还是表示字符串开始

[^a-zA-Z]         # 相当于非英文字母以外的其他任意字符

2.6 选择字符 |

选择

条件选择   | 表示or的意思

e.g.

^\d{5}|^\d{6}

2.7 转义字符 反斜杠 \

• 转义字符

1. 把 普通字符变成特殊意义的字符， n 转成 \n 换行符
2. 把 特殊字符变成普通字符，   \* 表示 普通字符 *    \. 表示 普通字符 .

2.8 分组符号  ()

(fruit|food)s                 #表示 fruits|foods

([abc]{1,3}){3}             #表示 [abc]1到3个，然后再来3个，一会试试

2.9 正则表达式需要用引号"" 包裹起来

如果有特殊符号，表达式前还要注意加 r

• 比如一般的
• ".*?"
• 实际使用时， 如果包含特殊符号，记得使用 r (rawdata)
• r"https://movie.douban.com/apex"

2.10 贪婪模式 / 非贪婪模式

贪婪模式

匹配符合条件的最多的字符数

非贪婪模式

匹配符合条件的最少的字符数

• .*?        #非贪婪模式
• *？
• ？？
• +？
• {n,m}？

 

3  正则表达式的方法

3.1 匹配和查找相关

• re.match()
• re.search()
• re.find()
• re.findall()

3.2 相同点和差别

• re.match()
• re.search()
• re.find()
• re.findall()

3.3 re.match()

• 语法
• re.match(pattern,  string , flags=0)
• 必须从字符串开头开始匹配
• 返回  none/ 以(符合正则格式的)某字符串开头的 字符串

非贪婪匹配，如果一直到末尾，往往会匹配一个尽量少的字符串=none 空字符串

#E:\work\FangCloudV2\personal_space\2learn\python3\py0004.txt
# re相关


import re

str1=re.match("^\w*","abc123ABC456")
print (str1)
print (type(str1))
print (str1.group())
print (type(str1.group()))
print ("")

str2=re.match("^\w*?","abc123ABC456")
print (str2)
print (type(str2))
print (str2.group())
print (type(str2.group()))
print ("")


str3=re.match("abc","abc123ABC456",re.I)
print (str3)
print (type(str3))
print (str3.group())
print (type(str3.group()))
print ("")

 

 

3.3.1  re.match().group()

• 返回一个数组？
• 数组式的字符串
• 默认参数为0，默认返回所有匹配到的字符串

3.3.2  re.match().span()

• 返回一个数组？
• 数组式的字符串
• 默认参数为0，默认返回所有匹配到的字符串

3.5 re.search()

• 语法
• ​search(pattern, string, flags=0)
• 可以从字符串的任何地方开始查找匹配

 

3.6  re.find()

• 语法
• find(pattern, string, flags=0)
• 返回none 或者

3.7  re.findall()

• 语法
• findall(pattern, string, flags=0)
• 返回一个列

3.8 re.sub()

• 语法
• sub(pattern, repl, string, count=0, flags=0)
• 在string内部，按正则 pattern 去替换 repl ，数量为 count 次

3.9 re.finditer

3.10 re.compile()

编译正则表达式

compile(pattern, flags=0)

3.11  re.split()

• 分隔
• 语法
• split(pattern, string, maxsplit=0, flags=0)
• 按 pattern 去分割 string,
• 并且返回一个列表！

继续看完

Python正则表达式用法总结_regex re python_zorchp的博客-CSDN博客正则表达式的Python实现以及re库的常用方法总结。https://blog.csdn.net/qq_41437512/article/details/107978327