2. 程式人生 > >python 正則表示式基礎實戰

python 正則表示式基礎實戰

阿新 • • 發佈：2019-02-18

python正則表示式的過程大致如下圖：


首先，通過re.compile()函式，生成pattern物件，該物件可以多次使用。

然後呼叫pattern物件的match（string）方法，在string中進行匹配，匹配成功後，返回 一個match物件，

通過呼叫match物件的group()方法，可以檢視匹配到的資訊。。。。

下面，我們簡單示例一下：

>>> p=re.compile(r'imooc')#生成pattern物件，該物件可以多次使用
>>> p
<_sre.SRE_Pattern object at 0x7f121d1a2418>
>>> type(p)
<type '_sre.SRE_Pattern'>
>>> m=p.match('imoocabc')#生成match物件
>>> m
<_sre.SRE_Match object at 0x7f121d194238>
>>> type(m)
<type '_sre.SRE_Match'>
>>> m.group()#匹配到的子串
'imooc'
>>> m.string #被匹配的字串
'imoocabc'
>>> m.span() #匹配到的子串在原字串中的索引位置
(0, 5)
>>> m.re #pattern例項
<_sre.SRE_Pattern object at 0x7f121d1a2418>
>>> 

>>> p=re.compile(r'imooc')
>>> m=p.match('IMOOcjfjd')#匹配失敗，因為區分大小寫
>>> type(m)
<type 'NoneType'>
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> p=re.compile(r'imooc',re.I)#re.I表示忽略（ignore）大小寫
>>> p
<_sre.SRE_Pattern object at 0x7f121d1b71f8>
>>> type(p)
<type '_sre.SRE_Pattern'>
>>> m=p.match('imoocjdf')
>>> m.group()
'imooc'
>>> m=p.match('IMOOcjdf')
>>> m.group()
'IMOOc'
>>> 

>>> p=re.compile(r'(imooc)',re.I)#將imooc放到圓括號中
>>> p
<_sre.SRE_Pattern object at 0x7f121f265f48>
>>> m=p.match('iMOOCidf')
>>> m
<_sre.SRE_Match object at 0x7f121d1d9198>
>>> m.group()
'iMOOC'
>>> m.groups()#將imooc放到圓括號中，m.groups()會返回一個元組
('iMOOC',)
>>>
上面的示例，我們都是先呼叫re.compile()方法，生成一個pattern物件，然後再呼叫該pattern物件的match()方法，這兩步可以合併為一步，如下： 
>>> m=re.match(r'imooc','imoocjdf')#先生成pattern物件，再生成match物件，缺點：生成的pattern物件只使用了一次！
>>> m
<_sre.SRE_Match object at 0x7f121f2c2ac0>
>>> type(m)
<type '_sre.SRE_Match'>
>>> m.group()
'imooc'
上面是正則表示式的簡單使用，現在，我們學習正則表示式的基礎語法：

【1】匹配單個字元

1》
.:用來匹配任意一個字元（不包含'\n'）

>>> m=re.match(r'.','adg')
>>> m.group()
'a'
>>> m=re.match(r'.','123adg')
>>> m.group()
'1'
>>> m=re.match(r'.','@123adg')
>>> m.group()
'@'
>>> m=re.match(r'.','%@123adg')
>>> m.group()
'%'
>>> m=re.match(r'.','\n%@123adg')#  .無法匹配'\n'
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> type(m)
<type 'NoneType'>
>>> m=re.match(r'{.}','{a}\n%@123adg')
>>> m.group()
'{a}'
>>> m=re.match(r'{.}','{8}\n%@123adg')
>>> m.group()
'{8}'
>>> m=re.match(r'{.}','{8ab}\n%@123adg')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> type(m)
<type 'NoneType'>
>>> m=re.match(r'{...}','{8ab}\n%@123adg')
>>> m.group()
'{8ab}'
2》
[a-z]匹配a-z中的任意一個字元           [0-9]匹配0-9中的任意一個字元
>>> m=re.match(r'{[abc]}','{b}\n%@123adg')
>>> m.group()
'{b}'
>>> m=re.match(r'{[abc]}','{g}\n%@123adg')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> type(m)
<type 'NoneType'>
>>> m=re.match(r'{[a-z]}','{g}\n%@123adg')
>>> m.group()
'{g}'
>>> m=re.match(r'{[a-zA-Z]}','{H}\n%@123adg')
>>> m.group()
'{H}'
>>> m=re.match(r'[[a-z]]','[d]g%@123adg')#匹配失敗，應用'\['來匹配'['
>>> m=re.match(r'([a-z])','(d)kdjkf')    #匹配失敗，應用'\('來匹配'('
3》\w代表一個單詞字元（等價於）[A-Za-z0-9_]  即 \w 可以匹配 大寫字母 小寫字母 數字  下劃線！！
       \W代表一個非單詞字元（\w的對立面） 
>>> m=re.match(r'{[\w]}','{H}\n%@123adg')
>>> m.group()
'{H}'
>>> m=re.match(r'{[\w]}','{h}\n%@123adg')
>>> m.group()
'{h}'
>>> m=re.match(r'{[\w]}','{9}\n%@123adg')
>>> m.group()
'{9}'
>>> m=re.match(r'{[\w]}','{&}\n%@123adg')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> type(m)
<type 'NoneType'>
>>> m=re.match(r'{[\W]}','{&}\n%@123adg')
>>> m.group()
'{&}'
4》\d匹配一個數字
       \D匹配一個非數字 
>>> m=re.match(r'\d','9agd')
>>> m.group()
'9'
>>> m=re.match(r'\d','0agd')
>>> m.group()
'0'
>>> m=re.match(r'\d','ghh0agd')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'\D','ghh0agd')
>>> m.group()
'g'
>>> m=re.match(r'\D','Aghh0agd')
>>> m.group()
'A'
>>> m=re.match(r'\D','+Aghh0agd')
>>> m.group()
'+'
>>> m=re.match(r'\D','*+Aghh0agd')
>>> m.group()
'*'
5》\s匹配空白（空格，Tab鍵，‘\n’）
       \S匹配非空白字元 
>>> m=re.match(r'\s',' *+Aghh0agd')
>>> m.group()
' '
>>> m=re.match(r'\S','*+Aghh0agd')
>>> m.group()
'*'
>>> m=re.match(r'\S','$Aghh0agd')
>>> m.group()
'$'
>>> m=re.match(r'\S','h$Aghh0agd')
>>> m.group()
'h'
【2】匹配多個字元



1》* 匹配前一個字元0次或者無限次（任意次）

>>> m=re.match(r'[A-Z][a-z]*','H')
>>> m.group()
'H'
>>> m=re.match(r'[A-Z][a-z]*','Hjdkjfksdjkff')
>>> m.group()
'Hjdkjfksdjkff'
>>> m=re.match(r'[A-Z][a-z]*','Hjdkjf98ksdjkff')
>>> m.group()
'Hjdkjf'
>>> m=re.match(r'[_a-zA-Z][\w]*','_this')
>>> m.group()
'_this'
>>> m=re.match(r'[_a-zA-Z][\w]*','_')
>>> m.group()
'_'
>>> m=re.match(r'[_a-zA-Z][\w]*','3abc')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
2》+ 匹配前一個字元1次或者無限次（正整數次） 
>>> m=re.match(r'A[0-9]+','A')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'A[0-9]+','A8')
>>> m.group()
'A8'
>>> m=re.match(r'A[0-9]+','A88787gg')
>>> m.group()
'A88787'
3》？匹配前一個字元0次或者1次 
>>> m=re.match(r'[1-9]?[0-9]','100')
>>> m.group()
'10'
>>> m=re.match(r'[1-9]?[0-9]','990')
>>> m.group()
'99'
>>> m=re.match(r'[1-9]?[0-9]','0990')
>>> m.group()
'0'

4》{m}/{m,n}匹配起一個字元m次或者m到n次 
>>> m=re.match(r'[a-z0-9]{6}','123abckkk')
>>> m.group()
'123abc'
>>> m=re.match(r'[a-z0-9]{6}','123ab')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'[a-z0-9]{6}@163.com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[a-z0-9]{6,10}@163.com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[a-z0-9]{6,10}@163.com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[a-z0-9]{6,10}@163.com','[email protected]')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'[a-z0-9]{6,10}@163.com','[email protected]')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

5》*？  +？   ？？匹配模式變為非貪婪（儘可能少的匹配字元） 
>>> m=re.match(r'a[0-9]*','a90987abc')
>>> m.group()
'a90987'
>>> m=re.match(r'a[0-9]*?','a90987abc')
>>> m.group()
'a'
>>> m=re.match(r'a[0-9]+','a90987abc')
>>> m.group()
'a90987'
>>> m=re.match(r'a[0-9]+?','a90987abc')
>>> m.group()
'a9'
>>> m=re.match(r'a[0-9]?','a90987abc')
>>> m.group()
'a9'
>>> m=re.match(r'a[0-9]??','a90987abc')
>>> m.group()
'a'
【3】使用正則表示式進行邊界匹配

1》^ 匹配字串的開頭（match預設就是從頭開始匹配）
2》$ 匹配字串的結尾

>>> m=re.match(r'[\w]{6,10}@163.com','[email protected]') #match預設就是從頭開始匹配
>>> m.group()
'[email protected]'
>>> m=re.match(r'^[\w]{6,10}@163.com','[email protected]') #顯式指定從頭開始匹配
>>> m.group()
'[email protected]'
>>> m=re.match(r'^[\w]{6,10}@163.com$','[email protected]') #指定必須以@163.com結尾
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'^[\w]{6,10}@163.com$','[email protected]')  #指定必須以@163.com結尾
>>> m.group()
'[email protected]'

3》\A    \Z  指定的字串必須出現在開頭/結尾 
>>> m=re.match(r'\Aimooc[0-9]+','imooc123')
>>> m.group()
'imooc123'
>>> m=re.match(r'\Aimooc[0-9]+','iimooc123')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
>>> m=re.match(r'[0-9]+imooc\Z','123imooc')
>>> m.group()
'123imooc'
>>> m=re.match(r'[0-9]+imooc\Z','123imoocbook')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'
【4】其他妙用



1》 | 匹配左右任意一個表示式

>>> m=re.match(r'abc|d','abckkk')
>>> m.group()
'abc'
>>> m=re.match(r'abc|d','dabckkk')
>>> m.group()
'd'
>>> m=re.match(r'[1-9]?[0-9]|100','0')
>>> m.group()
'0'
>>> m=re.match(r'[1-9]?[0-9]|100','59')
>>> m.group()
'59'
>>> m=re.match(r'[1-9]?[0-9]|100','100')
>>> m.group()
'10'
>>> m=re.match(r'[1-9]?[0-9]$|100','100')
>>> m.group()
'100'

2》（163|126|qq）括號中的表示式作為一個分組，任選其中一個 
>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','[email protected]')
>>> m.group()
'[email protected]'
>>> m=re.match(r'[\w]{4,6}@(163|126|qq).com','[email protected]')
>>> m.group()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'group'

3》\number 引用編號為number的分組所匹配到字串 
>>> m=re.match(r'<([\w]+>)\1\1','<book>book>book>')
>>> m.group()
'<book>book>book>'
>>> m.groups()
('book>',)
>>> m=re.match(r'<([\w]+>)[\w]+</\1','<book>python</book>')
>>> m.groups()
('book>',)
>>> m.group()
'<book>python</book>'
4》（?P<name>）給分組起一個別名    （?P=name）引用別名為name的分組所匹配到的字串 
>>> m=re.match(r'<(?P<mark>[\w]+>)[\w]+</\1','<book>python</book>') #通過編號引用
>>> m.group()
'<book>python</book>'
>>> m=re.match(r'<(?P<mark>[\w]+>)[\w]+</(?P=mark)','<book>python</book>')#通過別名引用
>>> m.group()
'<book>python</book>'

上面我們學習了，正則表示式的基礎語法，接著，我們簡單學習一下python中的正則表示式模組-----re模組

使用該模組，首先要匯入：import  re

1》search(pattern,string,flags=0) 在一個字串中查詢匹配，返回第一個匹配

>>> s='imooc hours=1000'
>>> m=re.search(r'\d+',s)
>>> m
<_sre.SRE_Match object at 0x7fb4ae3da4a8>
>>> m.group()
'1000'
>>> s='imooc c++=1230,python=1200'
>>> m=re.search(r'\d+',s)
>>> m
<_sre.SRE_Match object at 0x7fb4ae3da4a8>
>>> m.group()
'1230'
2》findall(pattern,string,flags=0) 找到匹配，返回所有匹配部分的列表 
>>> s='c++=100,java=200,python=300'
>>> m=re.search(r'\d+',s)#返回第一個匹配
>>> m
<_sre.SRE_Match object at 0x7fb4ae3da578>
>>> m.group()
'100'
>>> info=re.findall(r'\d+',s) #返回所有匹配部分的列表
>>> info
['100', '200', '300']
3》sub(pattern,repl,string,count=0,flags=0)   substitute 代替，替換
將字串中匹配正則表示式的部分替換為其他值

3.1>repl是字串

>>> s='imooc c++=1000'
>>> info=re.sub(r'\d+','1001',s)
>>> info
'imooc c++=1001'
>>> s='imooc c++=1000,python=2000'
>>> info=re.sub(r'\d+','1001',s)
>>> info
'imooc c++=1001,python=1001'
3.2>repl是函式物件
sub(pattern,repl,string,count=0,flags=0) 若果repl是函式物件，則該函式接收的引數是一個match物件，
首先，對正則表示式pattern進行編譯，生成一個pattern物件，
然後，使用該pattern物件，在字串string中進行匹配，匹配成功，返回一個match物件，
最後，將該match物件，傳遞給repl函式！！！
【該部分程式碼可以幫助理解上述說明！！
>>> p=re.compile(r'\d+')
>>> p
<_sre.SRE_Pattern object at 0x7fb4ae486a48>
>>> m=p.match('123sdjf')
>>> m
<_sre.SRE_Match object at 0x7fb4ae3da4a8>
>>> m.group()
'123'
】 
>>> def add1(match):
...     s=match.group()
...     value=int(s)+1
...     return str(value)
... 
>>> s='imooc c++=1000,java=2000,python=3000'
>>> re.sub(r'\d+',add1,s)
'imooc c++=1001,java=2001,python=3001'
4》split(pattern,string,maxsplit=0,flags=0)  根據匹配 分割字串，返回 分割後字串組成的 列表 
>>> s='imooc:c c++ python java'
>>> re.split(r':| ',s) #指定 ':'或' '作為分隔符（可以指定多個分隔符！！！）
['imooc', 'c', 'c++', 'python', 'java']
>>> s='imooc:c c++ python java,c#'
>>> re.split(r':| |,',s) #指定 ':'或' '或','作為分隔符
['imooc', 'c', 'c++', 'python', 'java', 'c#']

最後，我們通過一個簡單例項，來抓取網上的圖片： 
import urllib2,re
req=urllib2.urlopen('http://www.imooc.com/course/list')
buf=req.read()
urllist=re.findall(r'http:.+\.jpg',buf)
print urllist
i=0
for url in urllist:
    request=urllib2.urlopen(url)
    buffer=request.read()
    f=open('C:\\Users\\91135\\Desktop\\image\\'+str(i)+'.jpg','w')
    f.write(buffer)
    f.close()
    i+=1

至此，我們對python中的正則表示式有了一個基本的瞭解，另外兩篇介紹正則表示式的文章，推薦學習：


相關推薦

python 正則表示式基礎實戰

python正則表示式的過程大致如下圖： 首先，通過re.compile()函式，生成pattern物件，該物件可以多次使用。 然後呼叫pattern物件的match（string）方法，在string中進行匹配，匹配成功後，返回 一個match物件， 通過呼叫match

python--正則表示式的實戰

正則表示式是在re模組裡的，所以需要事前匯入re模組，re模組裡面的search(）方法用於在字串中搜索正則表示式模式第一次出現的位置。 注意：下標從0開始，原字串前面需要加入r'原字串' 上圖因為.號可以匹配除了換行符之外的任何字元，所以它匹配了I，也就是第一個字元

Python 正則表示式，實戰篇！ 再搞不懂？ 算我輸~

整理自： Automate the Boring Stuff with Python 作者： Al Sweigart 1. 建立正則表示式物件和匹配Regex物件 向 re.compile() 傳入一個字串值，表示正則表示式，它將返回一個 Regex

Python基礎六：Python 正則表示式

Python 正則表示式正則表示式 (Regular Expression) 又稱 RegEx, 是用來匹配字元的一種工具. 在一大串字元中尋找你需要的內容. 它常被用在很多方面, 比如網頁爬蟲, 文稿整理, 資料篩選等等.比如我需要爬取網頁中每一頁的標題. 而網頁中的標題常

Python正則表示式學習（1）——re.sub()基礎

re.sub（pattern，repl，string，count = 0，flags = 0） re.sub用於替換字串中的匹配項 個人理解：返回將string中的pattern部分替換為repl的

Python正則表示式的簡單應用和示例演示

前一陣子小編給大家連續分享了十篇關於Python正則表示式基礎的文章，感興趣的小夥伴可以點選連結進去檢視。今天小編給大家分享的是Python正則表示式的簡單應用和示例演示，將前面學習的Python正則表示式做一個概括。 下面的栗子是用於提取高考日期，一般來說，我們填寫日期都會寫2018年6月7日，但

Python正則表示式初識（九）

繼續分享Python正則表示式的基礎知識，今天給大家分享的特殊字元是[\u4E00-\u9FA5]，這個特殊字元最好能夠記下來，如果記不得的話通過百度也是可以一下子查到的。 該特殊字元是固定的寫法，其代表的意思是漢字。換句話說，只要字元中是漢字，就可以通過該字元進行匹配，該特殊字元也是用中括號括起來的。

Python 正則表示式：compile,match

本文以匹配×××ID為例，介紹re模組的compile與match的用法 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +       

Python 正則表示式模組詳解

由於最近需要使用爬蟲爬取資料進行測試，所以開始了爬蟲的填坑之旅，那麼首先就是先系統的學習下關於正則相關的知識啦。所以將下面正則方面的知識點做了個整理。語言環境為Python。主要講解下Python的Re模組。 下面的語法我就主要列出一部分，剩下的在python官網直接查閱即可：docs.python.org

Python 正則表示式：search

本文介紹re模組的search的用法 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +         re.search（

Python | 正則表示式的常見用法

正則表示式的常見用法分為兩塊內容，第一部分是一般具有正則的高階語言都支援的功能，第二部分講解Python所獨特具備的正則特性。   Part 1 正則表示式是由普通字元（例如字元a到z）以及特殊字元（稱為“元字元”）組成的文字模式。模式用於在搜尋文字時要匹配一個或多個字串。

python 正則表示式找出字串中的純數字

1、簡單的做法 >>> import re >>> re.findall(r'\d+', 'hello 42 I'm a 32 string 30') ['42', '32', '30'] 然而，這種做法使得字串中非純數字也會識別 >

正則表示式基礎1

註釋：正則表示式的學習記錄1 1.正則表示式 1.1定義 正則表示式是具有特殊含義的字串，用來定義匹配規則，在Pattern類中有簡單的規則定義。可以結合字串類的方法使用。 1.2功能 正則表示式可用於限制賬號密碼的長度，用於匹配符合規則的字串，用來檢索、替換那些符合某

正則表示式基礎三

註釋：正則表示式的學習記錄3 Date類概述 Date類用於描述特定的瞬間，是對時間的操作，可以精確到毫秒。 新建以個Date類將毫秒轉成日期物件：  //建立日期物件，把當前的毫秒值轉換為日期  Date date = new Date(160761600000L);

正則表示式基礎2

註釋：正則表示式的學習記錄2 常見表示式 ​ boolean： matches(String regex),稱為匹配字串，其中regex是正則的規則，表示式返回boolean型別值告知此字串是否匹配給定的正則表示式。用法例如,"abc".matches("[a]") 匹配成功返回true

python 正則表示式 簡介

python 正則表示式 簡介 1.正則表示式：描述字串排列的一套規則 2.可以使用正則表示式提取出所有滿足規則的字串 3.在python中使用re模組是實現在python正則表示式的功能 正則表示式的基礎知識： 1.原子 2.元字元 3.模式修正 原子 ：原子是正則表示式中最基

Python 正則表示式：findall

本文以匹配×××IP為例，介紹re模組的findall的用法: 返回值->列表 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +      &

正則表示式 - 基礎篇

正則簡介  - 1.使用特殊的符號來做校驗，目標是操作字串。例如：手機號碼、郵箱、身份證的校驗等。 使用正則表示式的優缺點  - 1.使用特殊的符號來做校驗，目標是操作字串。例如：手機號碼、郵箱、身份證的校驗等。  - 2.缺點：雖然能簡化書寫，但是正則

Python正則表示式:re模組

正則表示式: 使用單個字串來描述、匹配一系列匹配某個句法規則的字串正則表.通常被用來檢索、替換那些符合某個模式(規則)的文字.python自1.5起提供了re模組,它提供了perl風格的正則表示式. re模組簡介 re.match函式 功能 嘗試從字串的起始位置開始匹配一個模式,如

Python 正則表示式：sub

作用：替換字串中的某字串 本文以 ‘×××’掩蓋手機號部分數字 為例，介紹re模組的sub的用法: 返回值 -> 列表 複雜匹配 = re.compile(正則表示式): 將正則表示式例項化              +&n