是一个计算机科学概念用于使用单个字符串来描述，匹配某个规则的字符串常常用来检索，替换某些模式的文本

正则的写法

• .(点号)：表示任意一个字符，除了
• [](中括号)，匹配括号中列举的范围，如[0-9]代表任意单个字数，[a-z]代表任意单个小写字母
• d: 任意一个数字
• D：除了数字都可以
• s：表空格，tab键
• S：除了空格，tab键之外
• w：单词字符，a-z,A-Z,0-9,_
• W：除了字母和数字
• *：表示前面的内容重复零次或者多次
• +：表面前面内容至少出现一次
• ?：表面前面的内容出现一次或者零次
• {m, n} ：出现m到n次
• ^ ：匹配字符串的开头
• $：匹配字符串的结尾
• ()：对正则表达式的内容进行分组，从第一个括号开始
• A：匹配字符串开始
• Z：匹配字符串末尾
• |：左右任意一个

使用大致步骤

1. 使用compile将表示正则的字符串编译为一个pattern对象
2. 利用Pattern对象提供的方法，对文本进行匹配，获取匹配结果
3. 最后利用match对象提供的属性和方法后去信息，根据需要进行操作

常用匹配方法

match匹配

• 必须从第一个字符开始就能匹配上，否则匹配失败
• 返回的结果只有一个，并且支持group分组

import retext = '1234aash34235235fdosdf'p = re.compile('[0-9]*')result = p.match(text)print(result)print(result.group())print(result.span())"""输出结果1234(0, 4)"""

返回结构体re.Match

• span：表示匹配的跨度，从哪里匹配，到哪里结束，左包括右边不包括
• group：表示匹配的组，如果只有一组则直接打印内容
• start：显示开始匹配的字符串的位置
• end：表示结束字符串的位置
• groups：当正则里面出现括号时搭配使用

import retext = '1234aash34235235fdosdf'p = re.compile('([0-9]*)')  # 这里多了一个括号result = p.match(text)print(result)print(result.group())print(result.groups())print(result.span())"""1234('1234',)(0, 4)"""

search匹配

• 与match基本一致，也只返回一个结果
• 但是可以不用从开头位置匹配
• 返回一个结果，支持group分组

import retext = 'a1234aash34235235fdosdf'p = re.compile('[0-9]+')result = p.search(text)print(result)print(result.group())"""1234"""

findall匹配

• 匹配所有能匹配到的结果
• 不支持group分组，默认返回一个列表

import retext = 'a1234aash34235235fdosdf'p = re.compile('[0-9]+')result = p.findall(text)print(result)"""['1234', '34235235']"""

finditer匹配

• 匹配所有能匹配到的结果
• 默认返回一个迭代，由re.Match迭代而成，可以通过for循环取出
• re.Match支持group分组

import retext = 'a1234aash34235235fdosdf'p = re.compile('[0-9]+')result = p.finditer(text)print(result)for r in result:    print(r)    print(r.group())"""123434235235"""

sub替换

• 可以用sub替换要匹配的字符
• sub为批量替换，即可以替换多个位置

import retext = 'a1234aash34235235fdosdf'p = re.compile('[0-9]+')result = p.sub('0', text)  # 把结果全部替换为0print(result)"""a0aash0fdosdf"""

group与groups的区别

• group与groups都属于re.Match的内置属性
• group用于直接显示匹配结果，而groups用于提取匹配结果中的值
• 以提取百度网页title为例

import reimport requestsurl = 'https://www.baidu.com'headers = {    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko)     Chrome/80.0.3987.149 Safari/537.36'}response = requests.get(url, headers=headers)html = response.textp = re.compile('(.*?)')  # 提取title中间的值result = p.search(html)print(result.group())print(result.groups())"""百度一下，你就知道('百度一下，你就知道',)"""

可以看出，group直接把整个匹配的结果都提取出来了groups只提取了匹配值中括号的部分，并且需要搭配()括号使用并且group的结果是一个字符串，而groups的结果是一个tuple如果存在多个组的时候，两个结果更不相同

import retext = '2020-04-05'p = re.compile('([0-9]{4})-([0-9]{2})')   # 这里分了两个组，一组提取年份，一组提取月份result = p.search(text)print(result)print(result.group())  # 打印匹配值print(result.groups())  # 打印匹配结果，返回一个tupleprint(result.group(0))  # 打印所有组，和group()一样print(result.group(1))  # 打印第一组的匹配值print(result.group(2))  # 打印第二组的匹配值print(result.groups(0))  # 打印所有匹配结果，和groups一样的

可以看出，group和groups里面是否加零结果都是一样的，即返回所有组group可以指定返回第几组的值，相对来说更好筛选groups直接返回匹配的所有值根据这里特性，我们可以重新使用group对上面的百度标题进行爬取

import reimport requestsurl = 'https://www.baidu.com'headers = {    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko)     Chrome/80.0.3987.149 Safari/537.36'}response = requests.get(url, headers=headers)html = response.textp = re.compile('(.*?)')  # 提取title中间的值result = p.search(html)print(result.group())print(result.group(1))  # 把第1组的结果打印出来print(result.groups())"""百度一下，你就知道百度一下，你就知道('百度一下，你就知道',)"""

正则表达式修饰符

re.I演示

假设想要匹配所有字母，不区分大小写

import retext1 = 'shdfi1234SHDFISHDI'p = re.compile('[a-z]+', re.I)  # 不区分大小写，所有字母都匹配result = p.findall(text1)print(result)"""['shdfi', 'SHDFISHDI']"""

re.M演示

• 假设匹配以sh开头以2结尾的字符串

import retext1 = 'sh22dfi1234SHDFIssSHDI'p = re.compile('^sh.*2$', re.M)  # 匹配多行,即忽略回车匹配所有小写字母p2 = re.compile('^sh.*2$')result = p.findall(text1)result2 = p2.findall(text1)print(result)print(result2)"""['sh22dfi12'][]"""

可以看出，在多行模式下，一个字符串根据回车符号被拆分成两行，即有两个开头与结尾。

re.S演示

• 假设匹配一个d..I的字符串

import retext1 = 'sh22dfi1234SHDFIssSHDI'p1 = re.compile('d.*I')p2 = re.compile('d.*I', re.S)  # 让点号也能匹配换行符result1 = p1.search(text1)result2 = p2.search(text1)print(result1)  # 目前没有匹配上print(result2.group())  # 从下面的结果来看换行符也被匹配上了"""Nonedfi1234SHDFIssSHDI"""

匹配中文

• 匹配中文[一-龥]，不包括全角标点

贪婪匹配与非贪婪匹配

. *和.*?

import retext = '12ddd345'# 匹配一个数字开头数字结尾的字符串p1 = re.compile('[0-9].*[0-9]')  # 贪婪模式p2 = re.compile('[0-9].*?[0-9]')  # 非贪婪模式result1 = p1.search(text)result2 = p2.search(text)print(result1.group())print(result2.group())"""12ddd34512"""

• 正则表达式默认使用贪婪匹配

import retext = u'123你好bbabd'p1 = re.compile(u'[一-龥]{1,2}')  # 匹配一个或者两个中文result1 = p1.search(text)print(result1.group())  # 打印结果是匹配两个"""你好"""

• 如果使用非贪婪匹配

import retext = u'123你好bbabd'p1 = re.compile(u'[一-龥].*?')  # 匹配一个或者两个中文result1 = p1.search(text)print(result1.group())  # 打印结果是匹配一个"""你"""