Python 正则表达式

本文章为视频 Python编程：正则表达式_哔哩哔哩_bilibili 的笔记

正则表达式多用于文本处理与提取信息，相对于python内置字符串的处理，正则的代码量更少，python做正则的库是re，我们大多数情况这样写就行了，比如我们想提取下面这个文字中的所有数字

• 加入r的原因是，不对字符串进行其他的加工，比如转义字符，是斜杠就是斜杠，不对其进行加工

其他的都好理解，关键在于re.compile中的内容，我们成r' '中的内容为正则表达式

正则表达式测试网站 regex101: build, test, and debug regex

使用方式就按下面这样使用就可以了

正则表达式本质上也是一种字符串，下面我们看一下正则表达式的常见使用方式

在不同语言中正则表达式会有区别，但符号与用法基本相似

目录

1  普通字符

2  元字符

2.1  点 .

2.2  星号 *

2.3  加号 +

2.4  问号 ?

2.4.1  匹配字符用

2.4.2  贪婪模式与非贪婪模式

2.5  尖号 ^

2.5.1  取反

2.5.2  当作起始位置

2.6  美元号 $

3  括号

3.1  花括号 {}

3.2  方括号 []

3.3  小括号 ()

4  反斜杠 \

4.1  元字符的转译

4.2  数字字符 \d

4.3  非数字字符 \D

4.4  空白字符 \s

4.5  非空白字符 \S

4.6  文字字符 \w

4.7  非文字字符 \W

5  其余方法

5.1  re.split()

5.2  re.sub()

5.3  re.compile的第二个参数

5.3.1  re.ASCII与re.A

5.3.2  re.DOTALL与re.S

5.3.3  re.IGNORECASE与re.I

5.3.4  re.MULTLINE与re.M

5.3.5  re.VERBOSE与re.X

---

1  普通字符

在正则表达式中直接输入指定的普通字符，比如

2  元字符

2.1  点 .

点 表示匹配除了换行符之外任何的单个字符

那么我们就可以结合普通提取出来这三句话中 '的' 前面的字符(含字符'的')

2.2  星号 *

星号 表示匹配前面表达式任意次(包括0次）

比如我现在想获取 第一个 '的' 后面的全部内容

这里的星号是对点的形容，点是任意字符，星号是任意次数，也就是说在这里把'的'后面的所有任意字符找出来

我们再看下面这个例子

当我的字符并不只有一行的时候，他会多行进行寻找，与上面例子的区别是有无换行(符)

星号也可以当作0次来使用

如果没有星号，最后一行就没有了

星号也可以搭配别的字符

2.3  加号 +

加号匹配前面字符一次或多次，不包括0次，跟星号的区别就是不包括0次

2.4  问号 ?

2.4.1  匹配字符用

问号匹配前面字符0次或1次

2.4.2  贪婪模式与非贪婪模式

贪婪模式会得到尽可能多的字符，非贪婪模式会得到尽可能少的字符

贪婪模式这样写

非贪婪模式这样写，在星号，加号，问号后面加一个问号

2.5  尖号 ^

他的中文名字可能是这个，在这里我形象的称其为尖号

第一次看可以看完括号的讲解再看这个

2.5.1  取反

在方括号内加一个^表示对方括号内的所有条件取反

2.5.2  当作起始位置

如果不加尖号，我们发现有两个匹配项

现在我们加上尖号，尖号表示起始位置

在单行字符中起始位置有多个，在多行字符中起始位置有多个,启用多行模式我们需要加入re.M或re.MULTILINE

2.6  美元号 $

美元号可以表示文本的结束位置，美元号也有单行与多行的区分

3  括号

3.1  花括号 {}

花括号匹配指定次数，比如我想提取出 出现 '色' 的次数至少3次，至多5次的文字

如果要看是什么颜色的话就前面加个点

我们可以配合最开始提到的数字字符，提取出手机号码这一类的信息

• 手机号码一共11位

3.2  方括号 []

方括号代表选择，比如我们现在拿到了多个手机号，我只想要13和15开头的，我应该这样写

[35]表示1后面只要跟3或者跟5的，其余不要

中括号内也可以写范围，比如我定义范围在3到7之间

除了选择数字也可以选择字母或者其他字符

字母也可以设置范围

• 元字符在方括号中会失去特殊用法
• 下面要讲的反斜杠内容都可以放到方括号中

3.3  小括号 ()

我现在想要逗号前的内容(不包含逗号)，那么我们就应该这样写

小括号被成为组选择器，如果我们感兴趣的内容有多组，我们可以设置多个小括号，比如我下面就想提取颜色部分

4  反斜杠 \

4.1  元字符的转译

我们现在想提取点之前的内容

如果不加斜杠的话是不可以的

4.2  数字字符 \d

使用 \d 可以提取出文字内的数字字符

相当于[0-9]

当位数多的时候就可以像上面电话号码那样操作

4.3  非数字字符 \D

相当于[^0-9]

4.4  空白字符 \s

提取字符的空白部分，包括空格，tab，换行符等

4.5  非空白字符 \S

4.6  文字字符 \w

包括大小写字母，数字，下划线，以及unicode字符

与[a-zA-Z0-9_]是有区别的

如果我们不想要汉字也可以这样写

或者

4.7  非文字字符 \W

• 上面的结果是两行空格

5  其余方法

5.1  re.split()

比如当我们想提取用逗号，分号或空格后的信息，我们就可以这样写

5.2  re.sub()

将不太规则的字符，换成固定字符

我现在想让号码都加上6，那么我们不能替换成固定字符，而是要使用函数

上面那个例子中

• sth.group(0) 是字符串的全部内容
• sth.group(1) 是字符串的第一组的内容，如果把数字换成2，就是第二组的内容

5.3  re.compile的第二个参数

这里的re.A这种东西，我们称为Flag

5.3.1  re.ASCII与re.A

如果加上了，就只匹配ASCII字符

5.3.2  re.DOTALL与re.S

当你要隔行寻找的时候，加入re.S就是全体找，不加就是一行一找

5.3.3  re.IGNORECASE与re.I

加上不区分大小写，不加上就区分

5.3.4  re.MULTLINE与re.M

加上了就是多行模式，没加就不是多行模式，只针对^和$这两个符号

• 没加多行模式没找到的原因是开头就换行了，所以没有

5.3.5  re.VERBOSE与re.X

加上后排除空格井号等对正则表达式的影响，一般不使用这个