官方定義：正則表達式是對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、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。
? 什么是正則表達式: 一套規則 - 匹配字符串的
? 談到正則，就只和字符串相關了。我們要考慮的是在同一個位置上可以出現的字符的范圍。
? 正則表達式能做什么：
•1.檢測一個輸入的字符串是否合法 -- web開發項目 表單驗證 ?用戶輸入一個內容的時候,我們要提前做檢測
?能夠提高程序的效率并且減輕服務器的壓力
•2.從一個大文件中找到所有符合規則的內容 -- 日志分析/爬蟲 ?能夠高效的從一大段文字中快速找到符合規則的內容
字符組 ： [字符組]
在同一個位置可能出現的各種字符組成了一個字符組，在正則表達式中用[]表示。一個中括號只表示一個字符位置
字符分為很多類，比如數字、字母、標點等等。假如你現在要求一個位置"只能出現一個數字",那么這個位置上的字符只能是0、1、2...9這10個數之一。
字符組 描述的是一個位置上能出現的所有可能性
# 接受范圍,可以描述多個范圍,連著寫就可以了
# [abc] 一個中括號只表示一個字符位置,匹配a或者b或者c
# [0-9] 匹配數字0-9，根據ASCII進行范圍的比對
# [a-z] 匹配所有的小寫字母
# [A-Z] 匹配所有的大寫字母
# [a-zA-Z] 匹配所有的大小寫字母
# [0-9a-z]
# [0-9a-zA-Z_]
元字符：
字符：
元字符 匹配內容的規則
. 匹配除換行符以外的任意字符
/w 匹配字母或數字或下劃線
/s 匹配任意的空白符
/d 匹配數字
/n 匹配一個換行符
/t 匹配一個制表符
/b 匹配一個單詞的結尾
^ 匹配一個字符串的開始
$ 匹配一個字符串的結尾
/W 匹配非字母或數字或下劃線
/D 匹配非數字
/S 匹配非空白符
a|b 匹配字符a或字符b
a表達式|b表達式 匹配a或者b表達式中的內容,如果匹配a成功了,不會繼續和b匹配， 所以,如果兩個規則有重疊部分,總是把長的放在前面
() 分組，匹配括號內的表達式，也表示一個組。約束某一個元字符的作用范圍，只在（）內生效
[] 字符組，匹配字符組中的字符
[^] 非字符組，匹配除了字符組中字符的所有字符
在正則表達式中能夠幫助我們表示匹配的內容的符號都是正則中的 元字符
# [0-9] --> /d 表示匹配一位任意數字 digit
# [0-9a-zA-Z_] --> /w 表示匹配數字字母下劃線 word
# 空格 -->
# tab --> /t
# enter回車 --> /n
# 空格,tab和回車 --> /s 表示所有空白 包括空格 tab和回車
# [/d] /d 表示匹配數字
# [/d/D] [/w/W] [/s/S] 表示匹配所有
# [^/d] 匹配所有的非數字
# [^1] 匹配除數字1以外的所有
# [1-9]/d 匹配兩位整數
# [1357]/d 匹配1,3,5,7，開頭的兩位整數
例1：匹配多個網址：
www/.oldboy/.com|www/.baidu/.com|www/.jd/.com|www/.taobao/.com #/.表示取消.的特殊意義
www/.(oldboy|baidu|jd|taobao)/.com #用（） 來約束 | 描述的內容的范圍
記憶元字符 : 都是表示能匹配哪些內容,一個元字符總是表示一個字符位置上的內容
# /d /w /s /t /n /D /W /S
# [] [^] .
# ^ $
# | ()
量詞：
量詞 用法說明
* 重復0次或更多次，表示0次或多次 {0,}
+ 重復1次或更多次，表示1次或多次 {1,}
? 重復0次或1次，表示匹配0次或1次 {0,1}
{n} 重復n次，表示匹配n次
{n,} 重復n次或更多次，表示匹配至少n次
{n,m} 重復n到m次，表示至少匹配n次,至多m次
例：
匹配整數 /d+
匹配小數 /d+/./d+
匹配整數或小數 : /d+/.?/d* #存在問題，比如1.也會被匹配到 ---> 分組的作用 : /d+(/./d+)?
例：匹配手機號碼，手機號以1開頭，第二位為3-9，總共11位
1[3-9]/d{9}
#判斷用戶輸入的內容是否合法,如果用戶輸入的對就能查到結果,如果輸入的不對就不能查到結果
^1[3-9]/d{9}$
# 從一個大文件中找到所有符合規則的內容
1[3-9]/d{9}
轉義符：
原本有特殊意義的字符,到了表達它本身的意義的時候,需要轉義。
. 有特殊的意義,取消特殊的意義/.
有一些有特殊意義的內容,放在字符組中,會取消它的特殊意義
#只表示符號本身
[().*+?] 所有的內容在字符組中會取消它的特殊意義
#表示：a-c (a減c)
[a/-c] -在字符組中表示范圍,如果不希望它表示范圍,需要轉義,或者放在字符組的最前面/最后面 。
取消一個元字符的特殊意義有兩種方法：
1. 在這個元字符前面加/
2. 對一部分字符生效,把這個元字符放在字符組里
# [.()+?*]
貪婪匹配：
1.貪婪匹配：在量詞范圍允許的情況下,盡量多的匹配內容 .*x 表示匹配任意字符 任意多次數 遇到最后一個x才停下來 回溯算法： 2.非貪婪(惰性)匹配： 總是在量詞范圍內盡量少的匹配內容。前面的*,+等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配 .*?x 表示匹配任意字符 任意多次數 但是一旦遇到x就停下來 .+?x 匹配任意內容至少1次 遇到x就停止 元字符+量詞+？ ---> 惰性匹配 幾個常用的非貪婪匹配： *? 重復任意次，但盡可能少重復 +? 重復1次或更多次，但盡可能少重復 ?? 重復0次或1次，但盡可能少重復 {n,m}? 重復n到m次，但盡可能少重復 {n,}? 重復n次以上，但盡可能少重復 例：匹配身份證號碼：18/15位的身份證號 # 15位：首位數字為1-9，總共15位 [1-9]/d{14} # 18位：首位數字為1-9，末位為0-9或者X，總共18位 [1-9]/d{16}[/dx] [1-9]/d{16}[0-9x] #1： [1-9]/d{16}[0-9x]|[1-9]/d{14} #從一個大文件中找到所有符合規則的內容。表示先匹配[1-9]/d{16}[0-9x]如果沒有匹配上就匹配[1-9]/d{14} ^([1-9]/d{16}[0-9x]|[1-9]/d{14})$ #檢測一個輸入的字符串是否合法 #2：簡化 [1-9]/d{14}(/d{2}[/dx])? #從一個大文件中找到所有符合規則的內容 ^[1-9]/d{14}(/d{2}[/dx])?$ #檢測一個輸入的字符串是否合法 。()表示分組，將/d{2}[/dx]分成一組，就可以整體約束他們出現的次數為0-1次 例： 規則：1/d*?3 待匹配內容：1243333344 匹配結果：1243 規則：1/d*3 待匹配內容：1243333344 匹配結果：12433333re模塊：# findall 還是按照完整的正則進行匹配,只是顯示括號里匹配到的內容。 取所有符合條件的,優先顯示分組中的。 ret = re.findall('9/d/d','19740ash93010uru') print(ret)#['974', '930'] ret = re.findall('9(/d)/d','19740ash93010uru') print(ret)#['7', '3']# search 還是按照完整的正則進行匹配,顯示也顯示匹配到的第一個內容,但是我們可以通過給group方法傳參數,來獲取具體分組，即（）中的內容。 search 只取第一個符合條件的,沒有優先顯示這件事兒 得到的結果是一個變量 變量.group() 的結果 完全和 變量.group(0)的結果一致 變量.group(n) 的形式來指定獲取第n個分組中匹配到的內容 ret = re.search('9(/d)(/d)','19740ash93010uru') print(ret) # 變量 <_sre.SRE_Match object; span=(1, 4), match='974'> if ret: print(ret.group())#974 #ret.group(0) 0 默認不寫 print(ret.group(1))#7 print(ret.group(2))#4# 為什么在search中不需要分組優先 而在findall中需要? 加上括號是為了對真正需要的內容進行提取。 為什么要用分組? 把想要的內容放分組里 如果我們要查找的內容在一個復雜的環境中，我們要查的內容并沒有一個突出的 與眾不同的特點 甚至會和不需要的雜亂的數據混合在一起，這個時候我們就需要把所有的數據都統計出來,然后對這個數據進行篩選,把我們真正需要的數據對應的正則表達式用()圈起來，這樣我們就可以篩選出真正需要的數據了。# 如何取消分組優先 如果在寫正則的時候由于不得已的原因，導致不要的內容也得寫在分組里，通過 ?: 取消這個分組的優先顯示 # (?:) 取消這個分組的優先顯示#findall ret = re.findall('</w+>(/w+)<//w+>','<h1>askh930s02391j192agsj</h1>') print(ret)#['askh930s02391j192agsj']# search ret = re.search('<(/w+)>(/w+)<//w+>','<h1>askh930s02391j192agsj</h1>') print(ret.group())#<h1>askh930s02391j192agsj</h1> print(ret.group(1))#h1 print(ret.group(2))#askh930s02391j192agsj#從exp中匹配出第一個加法，第一個減法， a+b 或者是a-b 并且計算他們的結果 exp = '2-3*(5+6)' ret = re.search('(/d+)[+](/d+)',exp) print(ret) print(ret.group(1))#5 print(ret.group(2))#6 print(int(ret.group(1)) + int(ret.group(2)))#11 #將豆瓣源碼放到douban.html，從中獲取電影名： with open('douban.html',encoding='utf-8') as f: content = f.read() ret = re.findall('<span class="title">(.*?)</span>(?:/s*<span class="title">.*?</span>)?',content) print(ret) #除了 霸王別姬，其他電影都是 肖申克的救贖 這種格式的。 (.*?) 要顯示的電影名 其中 ？是非貪婪匹配的標志 (?:/s*<span class="title">.*?</span>)? ?: 取消這個分組的優先顯示，整個（）內都不顯示 /s* 兩行代碼之間所有的空字符 .*? 電影英文名 ？ 該部分出現0次 或者1次# 什么是爬蟲 # 通過代碼獲取到一個網頁的源碼,需要的是源碼中嵌著的網頁上的內容 -- 正則表達式 #先安裝擴展模塊 File--Settings--Project Interpreter-- + --找到包---Install Package import requests ret = requests.get('https://movie.douban.com/top250?start=0&filter=') print(ret.content.decode('utf-8'))總結
以上所述是小編給大家介紹的深入淺析正則表達式re模塊（部分）,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對VEVB武林網網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
新聞熱點
疑難解答
