1.了解正則表達(dá)式

正則表達(dá)式是對(duì)字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符始花、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來(lái)表達(dá)對(duì)字符串的一種過(guò)濾邏輯扰柠。
正則表達(dá)式是用來(lái)匹配字符串非常強(qiáng)大的工具，在其他編程語(yǔ)言中同樣有正則表達(dá)式的概念疼约，Python同樣不例外卤档，利用了正則表達(dá)式，我們想要從返回的頁(yè)面內(nèi)容提取出我們想要的內(nèi)容就易如反掌了程剥。

正則表達(dá)式的大致匹配過(guò)程是：

1. 依次拿出表達(dá)式和文本中的字符比較劝枣，
2. 如果每一個(gè)字符都能匹配，則匹配成功织鲸；一旦有匹配不成功的字符則匹配失敗舔腾。
3. 如果表達(dá)式中有量詞或邊界，這個(gè)過(guò)程會(huì)稍微有一些不同搂擦。

2.正則表達(dá)式的語(yǔ)法規(guī)則

下面是Python中正則表達(dá)式的一些匹配規(guī)則稳诚，圖片資料來(lái)自CSDN

正則表達(dá)式的語(yǔ)法規(guī)則

3.正則表達(dá)式相關(guān)注解

3.1 數(shù)量詞的貪婪模式與非貪婪模式

正則表達(dá)式通常用于在文本中查找匹配的字符串。Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語(yǔ)言里也可能是默認(rèn)非貪婪）瀑踢，總是嘗試匹配盡可能多的字符扳还；非貪婪的則相反，總是嘗試匹配盡可能少的字符橱夭。

例如：正則表達(dá)式”ab”如果用于查找”abbbc”氨距，將找到”abbb”。而如果使用非貪婪的數(shù)量詞”ab?”棘劣，將找到”a”俏让。

注：我們一般使用非貪婪模式來(lái)提取。

3.2 反斜杠問(wèn)題

與大多數(shù)編程語(yǔ)言相同，正則表達(dá)式里使用”\”作為轉(zhuǎn)義字符舆驶，這就可能造成反斜杠困擾橱健。假如你需要匹配文本中的字符”\”，那么使用編程語(yǔ)言表示的正則表達(dá)式里將需要4個(gè)反斜杠”\\”：前兩個(gè)和后兩個(gè)分別用于在編程語(yǔ)言里轉(zhuǎn)義成反斜杠沙廉，轉(zhuǎn)換成兩個(gè)反斜杠后再在正則表達(dá)式里轉(zhuǎn)義成一個(gè)反斜杠拘荡。

Python里的原生字符串很好地解決了這個(gè)問(wèn)題，這個(gè)例子中的正則表達(dá)式可以使用r”\”表示撬陵。同樣珊皿，匹配一個(gè)數(shù)字的”\d”可以寫成r”\d”。有了原生字符串巨税，媽媽也不用擔(dān)心是不是漏寫了反斜杠蟋定，寫出來(lái)的表達(dá)式也更直觀勒。

4. Python Re模塊

Python 自帶了re模塊草添，它提供了對(duì)正則表達(dá)式的支持驶兜。主要用到的方法列舉如下

#返回pattern對(duì)象
re.compile(string[,flag])  
#以下為匹配所用函數(shù)
re.match(pattern, string[, flags])
re.search(pattern, string[, flags])
re.split(pattern, string[, maxsplit])
re.findall(pattern, string[, flags])
re.finditer(pattern, string[, flags])
re.sub(pattern, repl, string[, count])
re.subn(pattern, repl, string[, count])

在介紹這幾個(gè)方法之前，我們先來(lái)介紹一下pattern的概念远寸，pattern可以理解為一個(gè)匹配模式抄淑，那么我們?cè)趺传@得這個(gè)匹配模式呢？很簡(jiǎn)單驰后，我們需要利用re.compile方法就可以肆资。例如

pattern = re.compile(r'hello')

在參數(shù)中我們傳入了原生字符串對(duì)象，通過(guò)compile方法編譯生成一個(gè)pattern對(duì)象灶芝，然后我們利用這個(gè)對(duì)象來(lái)進(jìn)行進(jìn)一步的匹配郑原。

另外大家可能注意到了另一個(gè)參數(shù) flags，在這里解釋一下這個(gè)參數(shù)的含義：
參數(shù)flag是匹配模式夜涕，取值可以使用按位或運(yùn)算符’|’表示同時(shí)生效犯犁，比如re.I | re.M。

可選值有：

• re.I(全拼：IGNORECASE): 忽略大小寫（括號(hào)內(nèi)是完整寫法女器，下同）
• re.M(全拼：MULTILINE): 多行模式栖秕，改變'^'和'$'的行為（參見(jiàn)上圖）
• re.S(全拼：DOTALL): 點(diǎn)任意匹配模式，改變'.'的行為
• re.L(全拼：LOCALE): 使預(yù)定字符類 \w \W \b \B \s \S 取決于當(dāng)前區(qū)域設(shè)定
• re.U(全拼：UNICODE): 使預(yù)定字符類 \w \W \b \B \s \S \d \D 取決于unicode定義的字符屬性
• re.X(全拼：VERBOSE): 詳細(xì)模式晓避。這個(gè)模式下正則表達(dá)式可以是多行簇捍，忽略空白字符，并可以加入注釋俏拱。

在剛才所說(shuō)的另外幾個(gè)方法例如 re.match 里我們就需要用到這個(gè)pattern了暑塑，下面我們一一介紹。

注：以下七個(gè)方法中的flags同樣是代表匹配模式的意思锅必，如果在pattern生成時(shí)已經(jīng)指明了flags事格，那么在下面的方法中就不需要傳入這個(gè)參數(shù)了惕艳。

4.1 re.match(pattern, string[, flags])

這個(gè)方法將會(huì)從string（我們要匹配的字符串）的開頭開始，嘗試匹配pattern驹愚，一直向后匹配远搪，如果遇到無(wú)法匹配的字符，立即返回None逢捺，如果匹配未結(jié)束已經(jīng)到達(dá)string的末尾谁鳍，也會(huì)返回None。兩個(gè)結(jié)果均表示匹配失敗劫瞳，否則匹配pattern成功倘潜，同時(shí)匹配終止，不再對(duì)string向后匹配志于。下面我們通過(guò)一個(gè)例子理解一下

# -*- coding: utf-8 -*-
import re #導(dǎo)入re模塊
 
# 將正則表達(dá)式編譯成Pattern對(duì)象涮因，注意hello前面的r的意思是“原生字符串”
pattern = re.compile(r'hello')
 
# 使用re.match匹配文本，獲得匹配結(jié)果伺绽，無(wú)法匹配時(shí)將返回None
result1 = re.match(pattern,'hello')
result2 = re.match(pattern,'helloo CQC!')
result3 = re.match(pattern,'helo CQC!')
result4 = re.match(pattern,'hello CQC!')
 
#如果1匹配成功
if result1:
    # 使用Match獲得分組信息
    print (result1.group())
else:
    print ('1匹配失斞荨！')
 
 
#如果2匹配成功
if result2:
    # 使用Match獲得分組信息
    print (result2.group())
else:
    print ('2匹配失斈斡Α澜掩！')
 
 
#如果3匹配成功
if result3:
    # 使用Match獲得分組信息
    print (result3.group())
else:
    print ('3匹配失敗钥组！')
 
#如果4匹配成功
if result4:
    # 使用Match獲得分組信息
    print (result4.group())
else:
    print ('4匹配失斒湎酢今瀑！')

運(yùn)行結(jié)果:

hello
hello
3匹配失敵堂巍！
hello

匹配分析

1. 第一個(gè)匹配橘荠，pattern正則表達(dá)式為’hello’屿附，我們匹配的目標(biāo)字符串string也為hello，從頭至尾完全匹配哥童，匹配成功挺份。
2. 第二個(gè)匹配，string為helloo CQC贮懈，從string頭開始匹配pattern完全可以匹配匀泊，pattern匹配結(jié)束，同時(shí)匹配終止朵你，后面的o CQC不再匹配各聘，返回匹配成功的信息。
3. 第三個(gè)匹配抡医，string為helo CQC躲因，從string頭開始匹配pattern，發(fā)現(xiàn)到 ‘o’ 時(shí)無(wú)法完成匹配，匹配終止大脉，返回None
4. 第四個(gè)匹配搞监，同第二個(gè)匹配原理，即使遇到了空格符也不會(huì)受影響镰矿。

我們還看到最后打印出了result.group()琐驴，這個(gè)是什么意思呢？下面我們說(shuō)一下關(guān)于match對(duì)象的的屬性和方法
Match對(duì)象是一次匹配的結(jié)果衡怀，包含了很多關(guān)于此次匹配的信息棍矛，可以使用Match提供的可讀屬性或方法來(lái)獲取這些信息。

屬性：

string: 匹配時(shí)使用的文本抛杨。
re: 匹配時(shí)使用的Pattern對(duì)象够委。
pos: 文本中正則表達(dá)式開始搜索的索引。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同怖现。
endpos: 文本中正則表達(dá)式結(jié)束搜索的索引茁帽。值與Pattern.match()和Pattern.seach()方法的同名參數(shù)相同。
lastindex: 最后一個(gè)被捕獲的分組在文本中的索引屈嗤。如果沒(méi)有被捕獲的分組潘拨，將為None。
lastgroup: 最后一個(gè)被捕獲的分組的別名饶号。如果這個(gè)分組沒(méi)有別名或者沒(méi)有被捕獲的分組铁追，將為None。

方法：

group([group1, …]):獲得一個(gè)或多個(gè)分組截獲的字符串茫船；指定多個(gè)參數(shù)時(shí)將以元組形式返回琅束。group1可以使用編號(hào)也可以使用別名；編號(hào)0代表整個(gè)匹配的子串算谈；不填寫參數(shù)時(shí)涩禀，返回group(0)；沒(méi)有截獲字符串的組返回None然眼；截獲了多次的組返回最后一次截獲的子串艾船。
groups([default]):以元組形式返回全部分組截獲的字符串。相當(dāng)于調(diào)用group(1,2,…last)高每。default表示沒(méi)有截獲字符串的組以這個(gè)值替代屿岂，默認(rèn)為None。
groupdict([default]):返回以有別名的組的別名為鍵鲸匿、以該組截獲的子串為值的字典爷怀，沒(méi)有別名的組不包含在內(nèi)。default含義同上晒骇。
start([group]):返回指定的組截獲的子串在string中的起始索引（子串第一個(gè)字符的索引）霉撵。group默認(rèn)值為0磺浙。
end([group]):返回指定的組截獲的子串在string中的結(jié)束索引（子串最后一個(gè)字符的索引+1）。group默認(rèn)值為0徒坡。
span([group]):返回(start(group), end(group))撕氧。
expand(template):將匹配到的分組代入template中然后返回。template中可以使用\id或\g喇完、\g引用分組伦泥，但不能使用編號(hào)0。\id與\g是等價(jià)的锦溪；但\10將被認(rèn)為是第10個(gè)分組不脯，如果你想表達(dá)\1之后是字符’0’，只能使用\g0刻诊。

下面我們用一個(gè)例子來(lái)體會(huì)一下

# -*- coding: utf-8 -*-
#一個(gè)簡(jiǎn)單的match實(shí)例
 
import re
# 匹配如下內(nèi)容：?jiǎn)卧~+空格+單詞+任意字符
m = re.match(r'(\w+) (\w+)(?P<sign>.*)', 'hello world!')
 
print ("m.string:", m.string)
print ("m.re:", m.re)
print ("m.pos:", m.pos)
print ("m.endpos:", m.endpos)
print ("m.lastindex:", m.lastindex)
print ("m.lastgroup:", m.lastgroup)
print ("m.group():", m.group())
print ("m.group(1,2):", m.group(1, 2))
print ("m.groups():", m.groups())
print ("m.groupdict():", m.groupdict())
print ("m.start(2):", m.start(2))
print ("m.end(2):", m.end(2))
print ("m.span(2):", m.span(2))
print (r"m.expand(r'\g \g\g'):", m.expand(r'\2 \1\3'))

### output ###
# m.string: hello world!
# m.re: 
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello', 'world')
# m.groups(): ('hello', 'world', '!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6, 11)
# m.expand(r'\2 \1\3'): world hello!

4.2 re.search(pattern, string[, flags])

search方法與match方法極其類似防楷，區(qū)別在于match()函數(shù)只檢測(cè)re是不是在string的開始位置匹配，search()會(huì)掃描整個(gè)string查找匹配则涯，match（）只有在0位置匹配成功的話才有返回复局，如果不是開始位置匹配成功的話，match()就返回None粟判。同樣亿昏，search方法的返回對(duì)象同樣match()返回對(duì)象的方法和屬性。我們用一個(gè)例子感受一下

#導(dǎo)入re模塊
import re
 
# 將正則表達(dá)式編譯成Pattern對(duì)象
pattern = re.compile(r'world')
# 使用search()查找匹配的子串档礁，不存在能匹配的子串時(shí)將返回None
# 這個(gè)例子中使用match()無(wú)法成功匹配
match = re.search(pattern,'hello world!')
if match:
    # 使用Match獲得分組信息
    print (match.group())

### 輸出 ###
# world

4.3 re.split(pattern, string[, maxsplit])

按照能夠匹配的子串將string分割后返回列表角钩。maxsplit用于指定最大分割次數(shù)，不指定將全部分割呻澜。我們通過(guò)下面的例子感受一下递礼。

import re
 
pattern = re.compile(r'\d+')
print (re.split(pattern,'one1two2three3four4'))

### 輸出 ###
# ['one', 'two', 'three', 'four', '']

4.4 re.findall(pattern, string[, flags])

搜索string，以列表形式返回全部能匹配的子串易迹。我們通過(guò)這個(gè)例子來(lái)感受一下

import re
 
pattern = re.compile(r'\d+')
print (re.findall(pattern,'one1two2three3four4'))

### 輸出 ###
# ['1', '2', '3', '4']

4.5 re.finditer(pattern, string[, flags])

搜索string宰衙，返回一個(gè)順序訪問(wèn)每一個(gè)匹配結(jié)果（Match對(duì)象）的迭代器平道。我們通過(guò)下面的例子來(lái)感受一下

import re
 
pattern = re.compile(r'\d+')
for m in re.finditer(pattern,'one1two2three3four4'):
    print (m.group())

### 輸出 ###
# 1 2 3 4

4.6 re.sub(pattern, repl, string[, count])

使用repl替換string中每一個(gè)匹配的子串后返回替換后的字符串睹欲。
當(dāng)repl是一個(gè)字符串時(shí)，可以使用\id或\g一屋、\g引用分組窘疮，但不能使用編號(hào)0。
當(dāng)repl是一個(gè)方法時(shí)冀墨，這個(gè)方法應(yīng)當(dāng)只接受一個(gè)參數(shù)（Match對(duì)象）闸衫，并返回一個(gè)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(shù)诽嘉，不指定時(shí)全部替換蔚出。

import re
 
pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
 
print (re.sub(pattern,r'\2 \1', s))
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print (re.sub(pattern,func, s))

### output ###
# say i, world hello!
# I Say, Hello World!

4.7 re.subn(pattern, repl, string[, count])

返回 (sub(repl, string[, count]), 替換次數(shù))弟翘。

import re
 
pattern = re.compile(r'(\w+) (\w+)')
s = 'i say, hello world!'
 
print (re.subn(pattern,r'\2 \1', s))
 
def func(m):
    return m.group(1).title() + ' ' + m.group(2).title()
 
print (re.subn(pattern,func, s))

### output ###
# ('say i, world hello!', 2)
# ('I Say, Hello World!', 2)

5. Python Re模塊的另一種使用方式

在上面我們介紹了7個(gè)工具方法，例如match骄酗，search等等稀余，不過(guò)調(diào)用方式都是 re.match，re.search的方式趋翻，其實(shí)還有另外一種調(diào)用方式睛琳，可以通過(guò)pattern.match，pattern.search調(diào)用踏烙，這樣調(diào)用便不用將pattern作為第一個(gè)參數(shù)傳入了师骗，大家想怎樣調(diào)用皆可。

函數(shù)API列表

 match(string[, pos[, endpos]]) | re.match(pattern, string[, flags])
 search(string[, pos[, endpos]]) | re.search(pattern, string[, flags])
 split(string[, maxsplit]) | re.split(pattern, string[, maxsplit])
 findall(string[, pos[, endpos]]) | re.findall(pattern, string[, flags])
 finditer(string[, pos[, endpos]]) | re.finditer(pattern, string[, flags])
 sub(repl, string[, count]) | re.sub(pattern, repl, string[, count])
 subn(repl, string[, count]) |re.sub(pattern, repl, string[, count])

具體的調(diào)用方法不必詳說(shuō)了讨惩，原理都類似辟癌，只是參數(shù)的變化不同。