歸納整理Python正則表達式知識點

本篇文章給大家帶來了關于python的相關知識，其中主要介紹了關于正則表達式的相關問題，正則表達式（Regular Expression）是一段字符串，它可以表示一段有規律的信息，下面我們一起來看一下，希望對大家有幫助。

推薦學習：python視頻教程

1.1正則表達式

正則表達式（Regular Expression）是一段字符串，它可以表示一段有規律的信息。Python自帶一個正則表達式模塊，通過這個模塊可以查找、提取、替換一段有規律的信息。在一萬個人里面找一個人很困難，但是在一萬個人里面找一個非常“有特點”的人卻很容易。假設有一個人，皮膚是綠色的，身高三米，那么即使這個人混在一萬人中，其他人也能一眼找到他。這個“尋找”的過程，在正則表達式中叫作“匹配”。在程序開發中，要讓計算機程序從一大段文本中找到需要的內容，就可以使用正則表達式來實現。使用正則表達式有如下步驟。
（1）尋找規律。
（2）使用正則符號表示規律。
（3）提取信息。

1.2正則表達式的基本符號

1.2.1 點號 “ . ”

一個點號可以代替除了換行符以外的任何一個字符，包括但不限于英文字母、數字、漢字、英文標點符號和中文標點符號。

1.2.2 星號 “ * ”

一個星號可以表示它前面的一個子表達式（普通字符、另一個或幾個正則表達式符號）0次到無限次。

如上均可以：（星號表示的是前面的一個表達式）

1.2.3 點號+星號 “ .* ”

點號表示任意非換行符的字符，星號表示匹配它前面的字符0次或者任意多次。所以“.*”表示匹配一串任意長度的字符串任意次。

如上均可以：
它表示在“如”和“哈”中間出現“任意多個除了換行符以外的任意字符”。

1.2.4 問號“ ? ”

問號表示它前面的子表達式0次或者1次。注意，這里的問號是英文問號
如上均可以：

1.2.5 點號+星號+問號“ .*？” （最常用）

結合后用法：

如上均可以：

注：“ .*？” 與“ .* ”的區別
．*？的意思就是匹配一個能滿足要求的最短字符串。
一句話總結如下。
①“.*”：貪婪模式，獲取最長的滿足條件的字符串。
②“.*? ”：非貪婪模式，獲取最短的能滿足條件的字符串。

1.2.6 小括號“()”

從一段字符串中“提取”出一部分的內容.
有如下一個字符串：

可以看出，這里的密碼左邊有一個英文冒號，右邊有一個漢字“你”。當構造一個正則表達式：.*？你時，得到的結果將會是：

然而，冒號和漢字“你”并不是密碼的一部分，如果只想要“12345abcde”，就需要使用括號：

得到：

1.2.7 反斜杠 “ ”

在正則表達式里面，很多符號都是有特殊意義的，例如問號、星號、大括號、中括號和小括號。反斜杠需要和其他的字符配合使用來把特殊符號變成普通符號，把普通符號變成特殊符號。

1.2.8 數字 “ d”

正則表達式里面使用“d”來表示一位數字。
如果要提取兩個數字，可以使用dd；如果要提取3個數字，可以使用ddd。但是如果不知道這個數有多少位怎么辦呢？就需要用*號來表示一個任意位數的數字。

全部都可以使用下面這個正則表達式來表示：

1.3 使用正則表達式

Python的正則表達式模塊名字為“re”，也就是“regular expression”的首字母縮寫。在Python中需要首先導入這個模塊再進行使用。導入的語句為：

import re

1.3.1 findall 方法

Python的正則表達式模塊包含一個findall方法，它能夠以列表的形式返回所有滿足要求的字符串。
findall的函數原型為：

re.findall(pattern,string,flags=0)

pattern表示正則表達式，string表示原來的字符串，flags表示一些特殊功能的標志。findall的結果是一個列表，包含了所有的匹配到的結果。如果沒有匹配到結果，就會返回空列表。

當需要提取某些內容的時候，使用小括號將這些內容括起來，這樣才不會得到不相干的信息。如果包含多個“(.*? )”怎么返回呢？如圖3-2所示，返回的仍然是一個列表，但是列表里面的元素變為了元組，元組里面的第1個元素是賬號，第2個元素為密碼。

函數原型中有一個flags參數。這個參數是可以省略的。當不省略的時候，具有一些輔助功能，例如忽略大小寫、忽略換行符等。
這里以忽略換行符為例來進行說明要忽略換行符，就需要使用到“re.S”這個flag。
雖然說匹配到的結果中出現了“n”這個符號，不過總比什么都得不到強。內容里面的換行符在后期清洗數據的時候把它替換掉即可。

1.3.2 search 方法

search()的用法和findall()的用法一樣，但是search()只會返回第1個滿足要求的字符串。一旦找到符合要求的內容，它就會停止查找。對于從超級大的文本里面只找第1個數據特別有用，可以大大提高程序的運行效率。

search()的函數原型為：
對于結果，如果匹配成功，則是一個正則表達式的對象；如果沒有匹配到任何數據，就是None。

如果需要得到匹配到的結果，則需要通過.group()這個方法來獲取里面的值。

只有在.group()里面的參數為1的時候，才會把正則表達式里面的括號中的結果打印出來。

.group()的參數最大不能超過正則表達式里面括號的個數。參數為1表示讀取第1個括號中的內容，參數為2表示讀取第2個括號中的內容，以此類推。
（注意圖里的不是findall）

1.3.3 compile 方法

re.findall()自帶re.compile()的功能，所以沒有必要使用re.compile()。

1.4 正則表達式的提取技巧

1.4.1 先抓大后抓小：二次提取

1.4.2 括號里括號外

括號內可以有其他字符。
具體影響見下圖。

如果括號里面有其他普通字符，那么這些普通字符就會出現在獲取的結果里面。

推薦學習：python視頻教程