正则表达式（regular expression），就是字符匹配模式，而这个匹配规则在我们写爬虫进行数据提取，或者进行数据可视化进行数据清洗时经常用到，多样化的匹配规则在复杂的字符的情况提取数据时助我们一臂之力；在Perl、java、C/C++等编程语言都支持；python是以re模块的形式支持的；
正则表达式的常见用途：
在模式字符串中根据需求提取子字符串；
字符串内某些字符或者指定字符串进行替换或者删除或者分离；
在用户输入用户名时判断输入字符串格式是否正确；
一，基础
re模块匹配经常用到的元字符和语法
字符型：
预义字符型：
数量字符型：
边界、逻辑或组匹配：
贪婪模式与非贪恋模式：
贪婪模式的量词也叫做匹配优先量词，主要包括：“{m,n}”、“{m,}”、“?”、“*”和“+”；
在匹配优先量词后面加上“？”叫做忽略优先量词，主要包括：“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。
贪婪模式：在匹配字符对象满足的情况下尽可能匹配多个字符，指被匹配优先量词修饰的字符串；
非贪婪模式：在匹配规则满足的情况下尽可能匹配少的字符，指被忽略优先量词匹配的字符串；
列个表帮助你深刻理解贪婪模式与非贪婪模式的区别：
说明：当字符串遍历到第二个<abc>时就已经满足匹配规则了，但是模式一是贪婪模式需要尽可能匹配多的字符，第三个<abc>后面已经没有能够满足匹配规则的字符了，所以在遍历到第3个<abc>就停下了结果即为：<abc>.*<abc>56.<abc>；而模式二为非贪婪模式即结果为：<abc>56.<abc>
匹配时出现的反斜杠的问题
在用正则匹配时，需要对于某些特殊字符进行转义，就比如‘baidu.com’,匹配时需要写成“baidu\.com”;但是python字符中本身也用‘\’转义，所以需要写成‘baidu\\.com'；为了在写匹配字符对象时避免‘\’出现程序问题，我们可以匹配时在字符串前面加一个字母r，转化为原字符串进行匹配，例如 r "baidu\.com";
二、re模板中常用到的函数
re.compile();
re.compile()将一个字符串编译成一个模式对象，便于直接利用search，findall，split等函数直接匹配与搜索或者分割；
re.compile()的原型：re.compile( pattern [, flags] )
pattern表示字符串匹配模式对象，flags表示修饰量词：例如：“*”、“+”；
compile函数的例子：re.compile(r"\d+") : 表示匹配连续多个数字；
compile还有一个参数flag可以设正则表达式修饰符，常用的修饰符如下：
对于re.X的解释，例如，图中两个正则表达式是等价的：
re.match()
match函数从字符串的头部开始匹配，当字符满足匹配模式对象时会返回一个正确对象（object）,当不满足时则就会返回None；例子如下：
字符头部匹配成功：
字符串头部匹配失败
match还有几个命令，可以连续匹配多个组（用group(n)或者groups()表示），并且组之间的匹配内容用元组来表示：
match还有一些用来查找满足匹配某一组字符串起始、结尾的位置以及范围，使用方法如下：
re.search()
search在字符串的任一部位都可以进行匹配，与match相似如果在模式字符串第一次满足指定的匹配对象则返回一个object，若都不满足则返回None；当然可指定模式字符串的匹配起始位置；match、research、findall（后面需要介绍的函数）都可以不经过compile方法直接进行匹配；例子如下图：
re.findall()
findall也是对于字符串全部任意部位进行匹配，但是与search的主要区别：匹配组时search只返回满足匹配对象的第一个组，findall则返回所有满足匹配对象的组，而且findall没有group或者groups方法的应用，匹配的值可以直接返回；写个例子大家感受一下：
re.sub
sub的原型：sub(pat，repl，string[，count=0])；用string中的pat用字符repl替换；
sub方法的目的:是用一个字符或字符串来替换模式字符串中某一字符或字符串，sub同样可以借用compile中的匹配对象，也可以直接进行匹配，使用方法如下：
re.split
split方法的原型：split(pattern，string[，maxsplit = 0])
split作用：根据匹配分割字符对象把字符串分割成一个列表，例子如下：
整个re模块基本教程就是以上所写的内容，如果想获取更多优质内容，可以关注我的个人微信公众号：Z先生点记；
网友评论