地址：https://www.byhy.net/tut/py/extra/regex/
白月黑羽
在线验证正则表达式：https://regex101.com/
国内正则表达式验证网站
常见语法
写在正则表达式里面的普通字符都是表示： 直接匹配它们。
正则前面加个r‘’，
但是有些特殊的字符，术语叫 metacharacters（元字符）。
它们出现在正则表达式字符串中，不是表示直接匹配他们， 而是表达一些特别的含义。
这些特殊的元字符包括下面这些：
. * + ? \ [ ] ^ $ { } | ( )
点-匹配所有字符
. 表示要匹配除了 换行符 之外的任何 单个 字符。 
content = '''苹果是绿色的橙子是橙色的香蕉是黄色的乌鸦是黑色的'''import rep = re.compile(r'.色')for one in p.findall(content):print(one)
星号-重复匹配任意次
- 表示匹配前面的子表达式任意次，包括0次。
特别是最后一行，猴子逗号后面没有其它字符了，但是*表示可以匹配0次， 所以表达式也是成立的。
```python content = ‘’’苹果，是绿色的 橙子，是橙色的 香蕉，是黄色的 乌鸦，是黑色的 猴子，’’’
import re p = re.compile(r’，.*’)
p是一个Pattern类，好处是对它进行各种方法的处理
for one in p.findall(content): print（type(one)） print(one)
<a name="JuFlL"></a>## 加号-重复匹配多次(至少一次)+ 表示匹配前面的子表达式一次或多次，不包括0次。 <br /><br /> 最后一行，猴子逗号后面没有其它字符了，+表示至少匹配1次， 所以最后一行没有子串选中。<a name="UzoQI"></a>## 问号-匹配0-1次? 表示匹配前面的子表达式0次或1次。 <br /><br /> 最后一行，猴子逗号后面没有其它字符了，但是?表示匹配1次或0次， 所以最后一行也选中了一个逗号字符。<a name="c1Ra3"></a>## 花括号-匹配指定次数花括号表示 前面的字符匹配 指定的次数 。 <br />表达式 油{3,4} 就表示匹配 连续的 油 字 至少3次，至多 4 次 <br /><a name="X4gZq"></a>## 贪婪模式和非贪婪模式我们要把下面的字符串中的所有html标签都提取出来，```htmlsource = '<html><head><title>Title</title>'
得到这样的一个列表
['<html>', '<head>', '<title>', '</title>']
很容易想到使用正则表达式 <.*>
在正则表达式中， ‘’, ‘+’, ‘?’ 都是贪婪地，使用他们时，会尽可能多的匹配内容，
所以， <.> 中的 星号（表示任意次数的重复），一直匹配到了 字符串最后的 里面的e。
解决这个问题，就需要使用非贪婪模式，也就是在星号后面加上 ? ，变成这样 <.*?>
对元字符的转义 \的用途
反斜杠 \ 在正则表达式中有多种用途。
.*.，用反斜杠进行转义。
content = '''苹果.是绿色的
橙子.是橙色的
香蕉.是黄色的'''
import re
p = re.compile(r'.*\.')
for one in p.findall(content):
匹配某种字符类型
反斜杠后面接一些字符，表示匹配 某种类型 的一个字符。
比如
\d 匹配0-9之间任意一个数字字符，等价于表达式 [0-9]
\D 匹配任意一个不是0-9之间的数字字符，等价于表达式 [^0-9]
\s 匹配任意一个空白字符，包括 空格、tab、换行符等，等价于表达式 [\t\n\r\f\v]
\S 匹配任意一个非空白字符，等价于表达式 [^ \t\n\r\f\v]
常用在用户登录：
\w 匹配任意一个文字字符，包括大小写字母、数字、下划线，等价于表达式 [a-zA-Z0-9_]
缺省情况也包括 Unicode文字字符，如果指定 ASCII 码标记，则只包括ASCII字母
\W 匹配任意一个非文字字符，等价于表达式 [^a-zA-Z0-9_]
反斜杠也可以用在方括号里面，比如 [\s,.] 表示匹配 ： 任何空白字符， 或者逗号，或者点
方括号-匹配几个字符之一
方括号表示要匹配 指定的几个字符之一 。
比如
[abc] 可以匹配 a, b, 或者 c 里面的任意一个字符。等价于 [a-c] 。
[a-c] 中间的 - 表示一个范围从a 到 c。
如果你想匹配所有的小写字母，可以使用 [a-z]
一些 元字符 在 方括号内 失去了魔法， 变得和普通字符一样了。
比如
[akm.] 匹配 a k m . 里面任意一个字符
这里 . 在括号里面不在表示 匹配任意字符了，而就是表示匹配 . 这个 字符
如果在方括号中使用 ^ ， 表示 非 方括号里面的字符集合。
起始、结尾位置 和 单行、多行模式
^ 表示匹配文本的 开头 位置。
正则表达式可以设定 单行模式 和 多行模式
如果是 单行模式 ，表示匹配 整个文本 的开头位置。
如果是 多行模式 ，表示匹配 文本每行 的开头位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
content = '''001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80'''
import re
p = re.compile(r'^\d+', re.M)
for one in p.findall(content):
print(one)
注意，compile 的第二个参数 re.M ，指明了使用多行模式。
$ 表示匹配文本的 结尾 位置
如果是 单行模式 ，表示匹配 整个文本 的结尾位置。
如果是 多行模式 ，表示匹配 文本每行 的结尾位置。
比如，下面的文本中，每行最前面的数字表示水果的编号，最后的数字表示价格
竖线-匹配其中之一
特别要注意的是， 竖线在正则表达式的优先级是最低的， 这就意味着，竖线隔开的部分是一个整体
比如 绿色|橙 表示 要匹配是 绿色 或者 橙 ，
而不是 绿色 或者 绿橙
括号-分组 组选择
括号称之为 正则表达式的 组选择。
组 就是把 正则表达式 匹配的内容 里面 其中的某些部分 标记为某个组。
我们可以在 正则表达式中 标记 多个 组
为什么要有组的概念呢？因为我们往往需要提取已经匹配的 内容里面的 某些部分的信心。
前面，我们有个例子，从下面的文本中，选择每行逗号前面的字符串，也 包括逗号本身 。
苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的
就可以这样写正则表达式 ^.， 。
但是，如果我们要求 不要包括逗号 呢？
当然不能直接 这样写 ^.
因为最后的逗号 是 特征 所在， 如果去掉它，就没法找 逗号前面的了。
但是把逗号放在正则表达式中，又会包含逗号。
解决问题的方法就是使用 组选择符 ： 括号。
我们这样写 ^(.*)， ，结果如下
分组 还可以多次使用。
当有多个分组的时候，我们可以使用 (?P<分组名>…) 这样的格式，给每个分组命名。
这样做的好处是，更方便后续的代码提取每个分组里面的内容
content = '''张三，手机号码15945678901
李四，手机号码13945677701
王二，手机号码13845666901'''
import re
p = re.compile(r'^(?P<name>.+)，.+(?P<phone>\d{11})', re.MULTILINE)
for match in p.finditer(content):
print(match.group('name'))
print(match.group('phone'))
让点匹配换行
前面说过, 点 是 不匹配换行符 的，可是有时候，特征 字符串就是跨行的，比如要找出下面文字中所有的职位名称
<div class="el">
<p class="t1">
<span>
<a>Python开发工程师</a>
</span>
</p>
<span class="t2">南京</span>
<span class="t3">1.5-2万/月</span>
</div>
<div class="el">
<p class="t1">
<span>
<a>java开发工程师</a>
</span>
</p>
<span class="t2">苏州</span>
<span class="t3">1.5-2/月</span>
</div>
这时你需要 点也匹配换行符 ，可以使用 DOTALL 参数
content = '''
<div class="el">
<p class="t1">
<span>
<a>Python开发工程师</a>
</span>
</p>
<span class="t2">南京</span>
<span class="t3">1.5-2万/月</span>
</div>
<div class="el">
<p class="t1">
<span>
<a>java开发工程师</a>
</span>
</p>
<span class="t2">苏州</span>
<span class="t3">1.5-2/月</span>
</div>
'''
import re
p = re.compile(r'class=\"t1\">.*?<a>(.*?)</a>', re.DOTALL)
for one in p.findall(content):
print(one)
切割字符串
字符串 对象的 split 方法只适用于 简单的字符串分割。 有时，你需要更加灵活的字符串切割。
比如，我们需要从下面字符串中提取武将的名字。
正则表达式 [;,\s]\s* 指定了，分割符为 分号、逗号、空格 里面的任意一种均可，并且 该符号周围可以有不定数量的空格。
字符串替换
匹配模式替换
字符串 对象的 replace 方法只适应于 简单的 替换。 有时，你需要更加灵活的字符串替换。
比如，我们需要在下面这段文本中 所有的 链接中 找到所以 /avxxxxxx/ 这种 以 /av 开头，后面接一串数字， 这种模式的字符串。
然后，这些字符串全部 替换为 /cn345677/ 。
names = '''
下面是这学期要学习的课程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是牛顿第2运动定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是毕达哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是切割磁力线
'''
被替换的内容不是固定的，所以没法用 字符串的replace方法。
这时，可以使用正则表达式里面的 sub 方法：
import re
names = '''
下面是这学期要学习的课程：
<a href='https://www.bilibili.com/video/av66771949/?p=1' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是牛顿第2运动定律
<a href='https://www.bilibili.com/video/av46349552/?p=125' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是毕达哥拉斯公式
<a href='https://www.bilibili.com/video/av90571967/?p=33' target='_blank'>点击这里，边看视频讲解，边学习以下内容</a>
这节讲的是切割磁力线
'''
newStr = re.sub(r'/av\d+?/', '/cn345677/' , names)
print(newStr)
sub 方法就是也是替换 字符串， 但是被替换的内容 用 正则表达式来表示 符合特征的所有字符串。
比如，这里就是第一个参数 /av\d+?/ 这个正则表达式，表示以 /av 开头，后面是一串数字，再以 / 结尾的 这种特征的字符串 ，是需要被替换的。
第二个参数，这里 是 ‘/cn345677/‘ 这个字符串，表示用什么来替换。
第三个参数是 源字符串。
若有收获，就点个赞吧
0 人点赞
