python正则表达式re常用方法总结

小灰灰 2022-05-30 09:07 134阅读 0赞

### 1.匹配 ###

RE正则表达式在python爬取网页中经常遇到，不同表达式可匹配各种不同字符，常用使用方法如下：  
(1) ‘.’可以匹配任意单个字符(除换行符)  
(2) ‘\\’表示转义字符  
(3) ‘\[a-zA-Z0-9\]’能匹配任意大小写字母和数字  
(4) ‘\[^abc\]’ 可以匹配出abc之外的所有字符，‘^’表示除去字符  
(5) 管道符号‘|’，表示有个特定的模式，如‘python|perl’只匹配python和perl  
(6) (pattern)\* 允许模式重复0次或多次  
(7) (pattern)+ 允许模式重复1次或多次  
(8) (pattern)\{m,n\} 允许模式重复m到n次  
(9) (.+) 匹配一个或多个字符(贪婪匹配)  
例：*i\*\*like\*\*you*  
(10) (.+?) 匹配一个或多个字符(非贪婪)  
(11)group(1,2,….)获取给定子模式的匹配项  
(12)start(group)开始位置 end(group)结束位置 span(group)区间位置  
(13)\\d 匹配一个数字， 相当于 \[0-9\]  
(14)\\D 匹配非数字,相当于 \[^0-9\]  
(15)\\s 匹配任意空白字符， 相当于 \[ \\t\\n\\r\\f\\v\]  
(16)\\S 匹配非空白字符，相当于 \[^ \\t\\n\\r\\f\\v\]  
(17)\\w 匹配数字、字母、下划线中任意一个字符， 相当于 \[a-zA-Z0-9\_\]  
(18)\\W 匹配非数字、字母、下划线中的任意字符，相当于 \[^a-zA-Z0-9\_\]

示例：

import re
    
    string = '* i ** like ** you *'
    
    stri = re.compile('\*(.+)\*')
    stri2 = re.compile('\*(.+?)\*')
    
    print (stri.findall(string))
    
    print (stri2.findall(string))
    
    stri3 = re.search('\*(.+?)\*\*(.+?)\*\*(.+?)\*',string)
    
    print (stri3.groups())
    print (stri3.group(1,3))
    print ([stri3.start(),stri3.end()])

输出

[' i ** like ** you ']
    [' i ', ' like ', ' you ']
    (' i ', ' like ', ' you ')
    (' i ', ' you ')
    [0, 20]

### 2.函数 ###

compile、search、 match、 split、 findall、 sub、 escape  
具体含义参见[https://www.cnblogs.com/dyfblog/p/5880728.html][https_www.cnblogs.com_dyfblog_p_5880728.html]  
示例

s = '''first line
    second line
    third line'''
    
    # 需要从开始处匹配 所以匹配不到 
    print re.match('i\w+', s)
    # output> None
    
    # 没有限制起始匹配位置
    print re.search('i\w+', s)
    # output> <_sre.SRE_Match object at 0x0000000002C6A920>
    
    print re.search('i\w+', s).group()
    # output> irst
    
    print (re.findall('\w+',s))
    # output> ['first', 'line', 'second', 'line', 'third', 'line']
    
    s = '''first 111 line
    second 222 line
    third 333 line'''
    
    # 按照数字切分
    print re.split('\d+', s)
    # output> ['first ', ' line\nsecond ', ' line\nthird ', ' line']
    
    # \.+ 匹配不到 返回包含自身的列表
    print re.split('\.+', s, 1)
    # output> ['first 111 line\nsecond 222 line\nthird 333 line']
    
    # maxsplit 参数
    print re.split('\d+', s, 1)
    # output> ['first ', ' line\nsecond 222 line\nthird 333 line']

### 3.字符串方法 ###

split 分割  
strip返回去除两侧空格的字符串  
默认删除空白符包括‘\\n’ ‘\\t’ ‘\\r ’ ‘ ’  
lstrip删除开头空白  
rstrip删除末尾空白  
join 添加 与split方法相反

[https_www.cnblogs.com_dyfblog_p_5880728.html]: https://www.cnblogs.com/dyfblog/p/5880728.html