详解Python 正则表达式模块

由于最近需要使用爬虫爬取数据进行测试，所以开始了爬虫的填坑之旅，那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为Python。主要讲解下Python的Re模块。

下面的语法我就主要列出一部分，剩下的在python官网直接查阅即可： docs.python.org/3/library/r…

一、基础语法总结

1.1、匹配单个字符

a . /d /D /w /W /s /S [...] [^...]

匹配单个字符（.）

规则：匹配除换行之外的任意字符

In [24]: re.findall("f.o","foo is not fao")Out[24]: ['foo', 'fao']

匹配任意（非）数字字符（/d /D）

/d   [0-9]
/D   [^0-9]

匹配任意（非）普通字符（/w /W）

/w 普通字符 包括[_0-9A-Za-z] 同时也包括汉字
/W 非普通字符

匹配任意（非）空字符（/s /S）

/s 匹配任意空字符  [/r/n/t]
/S 匹配任意非空字符

匹配字符集合（[...]）

[A-Z][a-z][0-9][_123a-z]

匹配字符集（[^...]）

规则：字符集取非，除列出的字符之外的任意一个字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多个字符

* 匹配0次或者多次
+ 匹配1次或者多次
? 匹配0次或者1次
{m} 匹配m次
{m,n} 匹配m次到n次区间内的任意一次

1.3、匹配位置

^ 匹配开始位置
$ 匹配结束位置
/A 匹配开始位置
/Z 匹配结束位置
/b 匹配单词边界位置（一般用于首字母大写的匹配）
/B 匹配非单词边界问题

1.4、转义

在正则表达式中有一类特殊字符需要转移，只需要在特殊字符之间加上 / 表示转移即可

. * + ? ^ $ [] {} () | /

1.5、子组

使用() 可以为正则表达式建立内部分组，子组为正则表达式的一部分，可以看做一个内部整体。

In [61]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(0)Out[61]: 'https://www.baidu.com'In [62]: re.search(r"(https|http|ftp)://///w+/./w+/.(com|cn)","https://www.baidu.com").group(1)Out[62]: 'https'

1.6、贪婪模式和非贪婪模式

正则表达式的重复匹配总是尽可能多的向后匹配更多的内容。 贪婪模式包括：* + ? {m,n}

非贪婪模式：尽可能少的匹配内容 贪婪模式转换为非贪婪模式：*? +? ?? {m,n}?

In [106]: re.findall(r"ab+?","abbbbbbbb")Out[106]: ['ab']In [107]: re.findall(r"ab??","abbbbbbbb")Out[107]: ['a']

二、Re模块