ChuannBlog

4.9 re

• re模块vs正则表达式
  • 正则表达式 独立的一个东西和python是两个系统
  • re python的一个模块

正则表达式

做字符串匹配的一个规则，在编程界占据很重要的地位，尤其在python，因python擅长爬虫，爬虫需要对大量字符串数据进行处理。

• 关于等价
  . [] ^ $四个字符是所有语言都支持的正则表达式，所以这四个是基础的正则表达式。
  正则难理解因为里面有一个等价的概念，这个概念大大增加了理解难度，让很多初学者看起来会懵，如果把等价都恢复成原始写法，自己书写正则就超级简单了，就像说话一样去写你的正则了

通用基础字符

• 基本用法示例
  [0135] 匹配单个0-3的数字
  [0135][0135][0135] 匹配三个0-3的数字
  [0-9] 匹配单个0-9的数字
  [a-z] 匹配单个小写字母
  [A-Z] 匹配单个大写字母
  [0-9a-zA-Z] 匹配单个数字、小写字母、大写字母
• . 匹配除\r\n之外的任意字符
• []
  • [字符组范围] 匹配符合字符组范围的单个字符
  • 字符组 同一个位置上可以出现的字符的范围
• • 放在表达式开头表示匹配字符串的开头
    • ^[0-9]表示数字开头
  • 放在字符组内开头表示匹配不符合字符组范围的字符
    • [^8]表示除了匹配8以外的字符
• $
  • 放在表达式末表示匹配字符串的结尾

元字符

• \
  • 转义符，与后面的字符组成固定、有特殊意义的匹配格式(\\匹配自身)
• \w 等价[A-Za-z_0-9]
  • 匹配字母或数字或下划线（word）
• \W 等价[^A-Za-z_0-9]
  • 匹配\w无法匹配的
• \s 等价[ ]
  • 匹配空格（space）
• \S 等价[^ ]
  • 匹配非空白符
• \d 等价[0-9]
  • 匹配数字（digit）
• \D 等价[^0-9]
  • 匹配非数字
• \n
  • 匹配换行符
• \t
  • 匹配制表符
• \b 等价\s+
  • 匹配一个单词的结尾

• a

  b

  • 匹配字符a或字符b
• ()
  • 将( ) 之间的表达式定义为“组”（group）,最多9个，它们可以用 \1 到\9 的符号来引用

量词

• {n}
  • 匹配n次
• {n,m}
  • 最少匹配n次，最多匹配m次，n<=m
• {n,}
  • 最少匹配n次，最多不限
• * 等价{0, }
  • 匹配零次或无限次
• + 等价{1，}
  • 匹配一次或无限次
• ? 等价{0,1}
  • 匹配零次或一次
• 贪婪匹配
  • 尽可能多的匹配
  • 正则默认贪婪匹配
• 非贪婪匹配
  • 仅在在量词之后使用 ? 表示非贪婪匹配

re模块方法