【从零学习python 】66.深入了解正则表达式：模式匹配与文本处理的利器

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。

re.search(r'H','Hello') # 这里的 H 表示的就是字母 H 自身，代表有特殊含义

多数字母和数字前加一个反斜杠时会拥有不同的含义。

ret = re.search(r'\d','he12ms90') # 这里的 \d 表示的是匹配数字

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。

ret = re.search(r'.','hello') // 这里的 . 表示的是匹配任意字符
ret = re.search(r'\.','he.llo')  // 这里的 \. 进行了转义，才表示标点符号自身。

反斜杠本身需要使用反斜杠转义。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。

非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

特殊字符

所谓特殊字符，就是一些有特殊含义的字符。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特殊字符	描述
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 . 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 [。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， ‘n’ 匹配字符 ‘n’。‘\n’ 匹配换行符， \ 匹配 \，而 ( 则匹配 ( 。
{	标记限定符表达式的开始。要匹配 {，请使用 {。
`	`
\d	匹配一个数字字符。等价于 [0-9]。
[0-9]	匹配任何数字。等价于 \d
\D	匹配一个非数字字符。等价于 [^0-9]。
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字。等价于\w
\w	匹配包括下划线的任何单词字符。等价于[A-Za-z0-9_]。
\W	匹配任何非单词字符。等价于 [^A-Za-z0-9_]。
[\u4e00-\u9fa5]	匹配纯中文

定位符

定位符使您能够将正则表达式固定到行首或行尾。它们还使您能够创建这样的正则表达式，即匹配在某些模式之前或之后的位置。下表列出了定位符：

字符	描述
^	匹配输入字符串的开始位置。如果设置了 MULTILINE 标志，还会与换行符后的位置匹配。
$	匹配输入字符串的结束位置。如果设置了 MULTILINE 标志，还会与换行符前的位置匹配。
\A	只匹配输入字符串的开始处。
\Z	只匹配输入字符串的结束处，或者在换行符前的最后一个字符处。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，er\b 可以匹配 “never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。例如，er\B 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。

重复

下表列出了正则表达式中的重复相关的元字符及其含义：

字符	描述
*	匹配前一个字符零次或多次。
+	匹配前一个字符一次或多次。
?	匹配前一个字符零次或一次。
{n}	匹配前一个字符恰好 n 次。
{n,}	匹配前一个字符至少 n 次。
{n,m}	匹配前一个字符至少 n 次，但是不超过 m 次。

特殊序列

特殊序列是具有特殊含义的反斜杠开头的序列。下表列出了正则表达式中可用的特殊序列：

序列	描述
\A	只匹配字符串开头。它和 ^ 的区别是，\A 即使在 MULTILINE 模式下也只能匹配字符串开头的位置，而不是行首的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。
\B	匹配非单词边界。
\d	匹配任意数字字符，等价于 [0-9]。
\D	匹配任意非数字字符，等价于 [^0-9]。
\s	匹配任意空白字符，包括空格、制表符、换行符等等。
\S	匹配任意非空白字符。
\w	匹配任意字母或数字字符，等价于 [a-zA-Z0-9]。
\W	匹配任意非字母或数字字符，等价于 [^a-zA-Z0-9]。
\Z	只匹配字符串的结束，即使在 MULTILINE 模式下也只能匹配字符串末尾的位置，而不是行尾的位置。

这些是正则表达式中常用的一些模式和元字符，用于匹配、查找和操作字符串。使用正则表达式可以快速、灵活地处理各种文本数据。

进阶案例

【Python】Python 实现猜单词游戏——挑战你的智力和运气！

【python】Python tkinter库实现重量单位转换器的GUI程序

【python】使用Selenium获取(2023博客之星)的参赛文章

【python】使用Selenium和Chrome WebDriver来获取 【腾讯云 Cloud Studio 实战训练营】中的文章信息

使用腾讯云 Cloud studio 实现调度百度AI实现文字识别

【玩转Python系列【小白必看】Python多线程爬虫：下载表情包网站的图片

【玩转Python系列】【小白必看】使用Python爬取双色球历史数据并可视化分析

【玩转python系列】【小白必看】使用Python爬虫技术获取代理IP并保存到文件中

【小白必看】Python图片合成示例之使用PIL库实现多张图片按行列合成

【小白必看】Python爬虫实战之批量下载女神图片并保存到本地

【小白必看】Python词云生成器详细解析及代码实现

【小白必看】Python爬取NBA球员数据示例

【小白必看】使用Python爬取喜马拉雅音频并保存的示例代码

【小白必看】使用Python批量下载英雄联盟皮肤图片的技术实现

【小白必看】Python爬虫数据处理与可视化

【小白必看】轻松获取王者荣耀英雄皮肤图片的Python爬虫程序

【小白必看】利用Python生成个性化名单Word文档

【小白必看】Python爬虫实战：获取阴阳师网站图片并自动保存

小白必看系列之图书管理系统-登录和注册功能示例代码

小白实战100案例: 完整简单的双色球彩票中奖判断程序，适合小白入门

使用 geopandas 和 shapely(.shp) 进行地理空间数据处理和可视化

使用selenium爬取猫眼电影榜单数据

图像增强算法Retinex原理与实现详解

爬虫入门指南(8): 编写天气数据爬虫程序，实现可视化分析

爬虫入门指南(7):使用Selenium和BeautifulSoup爬取豆瓣电影Top250实例讲解【爬虫小白必看】

爬虫入门指南(6):反爬虫与高级技巧：IP代理、User-Agent伪装、Cookie绕过登录验证及验证码识别工具

爬虫入门指南(5): 分布式爬虫与并发控制 【提高爬取效率与请求合理性控制的实现方法】

爬虫入门指南(4): 使用Selenium和API爬取动态网页的最佳方法

爬虫入门指南(3)：Python网络请求及常见反爬虫策略应对方法

爬虫入门指南(2)：如何使用正则表达式进行数据提取和处理

爬虫入门指南(1)：学习爬虫的基础知识和技巧

深度学习模型在图像识别中的应用：CIFAR-10数据集实践与准确率分析

Python面向对象编程基础知识和示例代码

MySQL 数据库操作指南：学习如何使用 Python 进行增删改查操作

Python文件操作指南：编码、读取、写入和异常处理

使用Python和Selenium自动化爬取 #【端午特别征文】 探索技术极致，未来因你出“粽” # 的投稿文章

Python多线程与多进程教程：全面解析、代码案例与优化技巧

Selenium自动化工具集 - 完整指南和使用教程

Python网络爬虫基础进阶到实战教程

Python入门教程：掌握for循环、while循环、字符串操作、文件读写与异常处理等基础知识

Pandas数据处理与分析教程：从基础到实战

Python 中常用的数据类型及相关操作详解

【2023年最新】提高分类模型指标的六大方案详解

Python编程入门基础及高级技能、Web开发、数据分析和机器学习与人工智能

用4种回归方法绘制预测结果图表：向量回归、随机森林回归、线性回归、K-最近邻回归