摘要：正則表達式簡介正則表達式英語，在代碼中常簡寫為或，又稱正規表示式正規表示法正規表達式規則表達式常規表示法，是計算機科學的一個概念。正則表達式使用單個字符串來描述匹配一系列匹配某個句法規則的字符串。

正則表達式（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），又稱正規表示式、正規表示法、正規表達式、規則表達式、常規表示法，是計算機科學的一個概念。正則表達式使用單個字符串來描述、匹配一系列匹配某個句法規則的字符串。在很多文本編輯器里，正則表達式通常被用來檢索、替換那些匹配某個模式的文本。

在python中，可以使用內置的re模塊來使用正則表達式

使用 compile() 函數將正則表達式的字符串形式編譯為一個正則表達式對象；

通過正則表達式對象提供的一系列方法(如:match())對文本進行匹配查找，獲得匹配結果，一個Match對象；

最后使用Match對象提供的屬性和方法(例如：group())獲得信息，根據需要進行其他的操作。

導入模塊

import re

compile()函數
compile 函數用于編譯正則表達式，生成一個 Pattern 對象，它的一般使用形式如下：

import re

# 將正則表達式編譯成pattern對象
pattern = re.compile(r"d+")

編譯成正則表達式對象后，就可以使用上面所說的正則表達式對象方法了。

match()方法
match 方法用于查找字符串的頭部（也可以指定起始位置），它是一次匹配，只要找到了一個匹配的結果就返回，而不是查找所有匹配的結果。它的一般使用形式如下：

match(string[, pos[, endpos]])

其中,string是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。因此，當你不指定 pos 和 endpos 時，match 方法默認匹配字符串的頭部。

當匹配成功時，返回一個 Match 對象，如果沒有匹配上，則返回 None。

>>> import re
>>> 
>>> pattern = re.compile(r"d+") # 正則表達式表示匹配至少一個數字
>>> 
>>> m = pattern.match("one2three4") # match默認從開頭開始匹配，開頭是字母o，所以沒有匹配成功
>>> print(m) # 匹配失敗返回None
None
>>> 
>>> m = pattern.match("1two3four") # 開頭字符是數字，匹配成功
>>> print(m)
<_sre.SRE_Match object; span=(0, 1), match="1">
>>> 
>>> m.group() # group()方法獲取匹配成功的字符
"1"
>>> m = pattern.match("onetwo3four56",6,12) # 指定match從數字3開始查找，第一個是數字3，匹配成功
>>> print(m)
<_sre.SRE_Match object; span=(6, 7), match="3">
>>> m.group()
"3"

search()方法
search 方法用于查找字符串的任何位置，從任何位置開始往后查找，它也是一次匹配，只要找到了一個匹配的結果就返回，而不是查找所有匹配的結果，它的一般使用形式如下：

search(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

當匹配成功時，返回一個 Match 對象，如果沒有匹配上，則返回 None。

In [1]: import re

In [2]: pattern = re.compile(r"[A-Za-z]+") # 表示匹配至少一個字母

In [3]: ret = pattern.search("123four5") # 這里如果使用match則不匹配，因為以數字開頭

In [4]: print(ret)
<_sre.SRE_Match object; span=(3, 7), match="four">

In [5]: ret.group()
Out[5]: "four"

In [9]: ret = pattern.search("123four5six789",7,12)

In [10]: print(ret)
<_sre.SRE_Match object; span=(8, 11), match="six">

In [11]: ret.group()
Out[11]: "six"

In [12]: ret = pattern.search("123four5six789",1,2)

In [13]: print(ret) # 不匹配，返回None
None

findall()方法
match方法和search方法都是匹配到正則表達式的第一個內容，如果想要獲取正則表達式匹配的所有內容，就可以使用findall方法了。這個方法會搜索整個字符串，然后返回匹配正則表達式的所有內容。

findall 方法的使用形式如下：

findall(string[, pos[, endpos]])

其中，string 是待匹配的字符串，pos 和 endpos 是可選參數，指定字符串的起始和終點位置，默認值分別是 0 和 len (字符串長度)。

findall 以列表形式返回全部能匹配的子串，如果沒有匹配，則返回一個空列表。
示例：

import re

pattern = re.compile(r"d+")

ret1 = pattern.findall("hello 123 world 456")# 匹配123,456
ret2 = pattern.findall("one1two2three3") # 匹配1,2,3
ret3 = pattern.findall("hello world") # 沒有數字不匹配，返回空列表

print(ret1)
print(ret2)
print(ret3)

運行結果：

["123", "456"]
["1", "2", "3"]
[]

spilt()方法
split 方法按照能夠匹配的子串將字符串分割后返回列表，它的使用形式如下：

split(string[, maxsplit])

其中，maxsplit 用于指定最大分割次數，不指定將全部分割。
示例：

>>> import re
>>> 
>>> pattern = re.compile(r"[s;,]+")
>>> ret = pattern.split("hello  world;;ha,ha")
>>> print(ret)
["hello", "world", "ha", "ha"]

sub()方法
sub 方法用于替換,在python爬蟲中常用語修改文本。比如把一串文本中所有數字去掉，把數字去掉可以使用字符串方法中的replace方法，但是太麻煩了，使用sub()方法就可以很方便去掉。sub()方法的使用形式如下：

sub(repl, string[, count])

其中，repl 可以是字符串也可以是一個函數：

如果 repl 是字符串，則會使用 repl 去替換字符串每一個匹配的子串，并返回替換后的字符串，另外，repl 還可以使用 id 的形式來引用分組，但不能使用編號 0；

如果 repl 是函數，這個方法應當只接受一個參數（Match 對象），并返回一個字符串用于替換（返回的字符串中不能再引用分組）。

count 用于指定最多替換次數，不指定時全部替換。

示例:

import re

content = "42hjad24ta d25a14aad"
content = re.sub("d+","",content)
print(content)

運行結果：

hjadta daaad

貪婪模式：在整個表達式匹配成功的前提下，盡可能多的匹配 ( * )；

非貪婪模式：在整個表達式匹配成功的前提下，盡可能少的匹配 ( ? )；

Python中默認是貪婪模式

示例
源字符串:abccc

貪婪模式匹配:abc*

非貪婪模式匹配:abc*?

abc*，匹配盡可能多個c
abc*?,匹配盡可能少個c，最少為0即沒有，所以打印ab

>>> import re
>>> 
>>> ret = re.match("abc*","abccc")
>>> print(ret)
<_sre.SRE_Match object; span=(0, 5), match="abccc">
>>> 
>>> ret.group()
"abccc"
>>> 
>>> ret = re.match("abc*?","abccc")
>>> ret.group()
"ab"

圓括號()匹配封閉的正則表達式，然后另存為子組。

>>> m = re.match("(www)@(ffffd).(www)","xxx@163.com")
>>> m.group()
"xxx@163.com"
>>> m.group(1)
"xxx"
>>> m.group(2)
"163"
>>> m.group(3)
"com"
>>> m.groups()
("xxx", "163", "com")

group()通常用于以普通方式顯示所有的匹配部分，但也可以用于獲取各個匹配的子組。而groups()方法可以獲取一個包含所有匹配子字符串的元組。

當匹配目標中有正則表達式的特殊字符，就需要使用轉義字符""將特殊字符的作用屏蔽掉。

>>> content = "(hello,world)"
>>> m = re.match("(.*)",content)
>>> print(m)
<_sre.SRE_Match object; span=(0, 13), match="(hello,world)">
>>> m.group()
"(hello,world)"

.(點號)表示匹配任意一個字符，*(星號)表示匹配前面的字符無限次，組合起來.*就是匹配任意字符。

>>> content = "hello 123456789 world hahaha"
>>> m = re.match("^hello.*ha$",content)
>>> print(m)
<_sre.SRE_Match object; span=(0, 28), match="hello 123456789 world hahaha">
>>> m.group()
"hello 123456789 world hahaha"

豎線"|"表示匹配豎線左邊的表達式或者右邊的表達式，如re1|re2,滿足其中一個表達式就匹配成功

>>> m = re.match("abc|adc|aec","adc")
>>> m.group()
"adc"
>>> m = re.match("abc|adc|aec","aoc")
>>> print(m)
None
>>> m = re.findall("abc|adc|aec","abc aec aoc")
>>> print(m)
["abc", "aec"]

方括號[]表示匹配來自字符集中任意一個字符。

>>> m = re.match("[abc][123][A-Z]","b2A")
>>> m.group()
"b2A"
>>> m = re.match("[abc][123][A-Z]","a3A")
>>> m.group()
"a3A"
>>> m = re.match("[abc][123][A-Z]","d2B") # 不匹配
>>> print(m)
None
>>>