python re模块(转)

re模块
功能：用来匹配字符串（动态、模糊的匹配），爬虫用的多。

一、常用方法：

mathch()：从头匹配
search()：从整个文本搜索
findall()：找到所有符合的
split()：分割
sub()：替换
group()：结果转化为内容
groupdict()：结果转化为字典
用法在后面会有详解。

二、常用正则表达式符号：

'.'

默认匹配除 之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括

'^'

匹配字符开头

'$'

匹配字符结尾

'*'

匹配*号前的字符0次或多次

'+'

匹配前一个字符1次或多次

'?'

匹配前一个字符1次或0次

'{m}'

匹配前一个字符m次

'{n,m}

匹配前一个字符n到m次

'|'

匹配符号两边的任意一个，相当于或

'(...)'

分组匹配

'A'

只从字符开头匹配，比如re.search("Aabc","gggggabc") 是匹配不到的

''

匹配字符结尾，和$一样

'd'

匹配数字0-9

'D'

匹配非数字

'w'

匹配[A-Za-z0-9]

'W'

匹配非[A-Za-z0-9]

's'

匹配空白字符、 、 、  

三、每个表达式和函数的详细使用情况：

import re

'''
（1）.：默认匹配除 之外的任意一个字符。若指定flag DOTALL,则匹配任意字符，包括换行'''
res = re.match('......','li123kunhong123')
print(res.group()) #结果——li123k

'''
（2）+：匹配前一个字符1次或多次。'''
res = re.match('.+','li123kunhong123')
print(res.group()) #结果——li123kunhong123

'''
（3）^：从开头匹配字符。'''
res = re.match('^lid+','li123kunhong123')
print(res.group()) #结果——li123

''''
（4）$：匹配字符结尾,
$前面的必须是字符串结尾'''
res = re.search('k.+3$','li123kunhong123') #获取k开始，中间任意，g结尾的字符串
print(res.group()) #结果——kunhong123

'''
（5）[]：限制'''
#匹配中间的英文
res = re.search('k[a-z]+g','likunhong123')
print(res.group()) #结果——kunhong
#连数字一起匹配
res = re.search('k[a-z0-9]+g','likun123hong123')
print(res.group()) #结果——kun123hong

#匹配两个井号之间的
res = re.search('#.+#','asdf#saffff123#sadf')
print(res.group()) #结果——#saffff123#

'''
（6）?：匹配?的前一个字符出现或者不出现'''
res = re.search('ax?', 'abcd') #意思为ax中的a必须出现，x可以出现或者不出现
print(res.group()) #结果——a
res = re.search('ax?', 'axbcd') #匹配ax，其中a必须出现，x可不出现
print(res.group()) #结果——ax
res = re.search('a?nnc?', 'asdnnc') #匹配annc，其中nn必须出现
print(res.group()) #结果——nnc

'''
（7）{m}{n,m}：匹配前一个字符m次,匹配前一个字符n到m次'''
res = re.search('[0-9]{3}', 'a1a11a111')
print(res.group()) #结果——111
res = re.findall('[0-9]{3}', 'a123a113a1114')
print(res) #结果——['123', '113', '111']

'''
（8）|：或'''
res = re.search('abc|ABC', 'aaabcAAABC')
print(res.group()) #结果为abc
res = re.findall('abc|ABC', 'aaabcAAABC')
print(res) #结果为['abc', 'ABC']

'''
（9）()：分组匹配'''
res = re.search('abc{2}', '3asfabccasdf')
print(res.group()) #结果为abcc

res = re.search('(abc){2}(||=)', '857kjhabcabc||=32342')
print(res.group()) #结果为abcabc||=


'''
'A' 只从字符开头匹配，re.search("Aabc","alexabc") 是匹配不到的
'' 匹配字符结尾，同$
'd' 匹配数字0-9
'D' 匹配非数字
'w' 匹配[A-Za-z0-9]
'W' 匹配非[A-Za-z0-9]
's' 匹配空白字符、 、 、 , re.search("s+","ab c1 3").group() 结果 ' '
'''

'''搞一个大事情'''
a = 'likunhong23student'
b = re.search("(?P<name>[a-zA-Z]+)(?P<age>[0-9]+)(?P<job>w+)",a).groupdict()
print(b)
#结果为：{'name': 'likunhong', 'age': '23', 'job': 'student'}

#可以用来识别身份证号
id = '300100199905120516'
b = re.search('(?P<province>d{3})(?P<shi>d{3})(?P<birth>d{8})(?P<num>d{2})(?P<last>d{2})', id).groupdict()
print(b)
#结果为：{'province': '300', 'shi': '100', 'birth': '19990512', 'num': '05', 'last': '16'}

'''
split()分割'''
res = re.split('[0-9]+', 'ab23bas23basd9989ad')
print(res) #结果为['ab', 'bas', 'basd', 'ad']

'''
sub()替换,count不写默认为全体换'''
res = re.sub('[0-9]+', '?', 'abc2abc8abc4d', count=2)
print(res) #结果为abc?abc?abc4d


'''
匹配反斜杠'''
res = re.search(r'\d', 'asdfdx')
print(res.group()) #结果为d

'''
最后是flags'''
#1、忽略大小写
res = re.search('[a-z]+', 'asdfdx', flags=re.I)
print(res.group()) #结果为asdf
#2、多行模式
res = re.search('^g', ' gqwqw dxas adf asdf', flags=re.M)
print(res.group()) #结果为g
#3、匹配任意字符
res = re.search('.', ' gqwqw dxas adf asdf', flags=re.S)
print(res.group()) #结果为g
————————————————
版权声明：本文为CSDN博主「昆昆欧粑粑」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/likunkun__/article/details/81707883