通常用于对一段文本进行替换、检索或提取等操作

    1. import re

    示例
    对输入的邮箱值进行校验

    python正则表达式 - 图1

    1. import re
    3. regex = r'^[0-9a-z]+\w*@([0-9a-z]+\.)+[0-9a-z]+$'
    4. email = 'luBan2019@sina.com'
    6. matchObj = re.match(regex, email)
    7. if matchObj:
    8.   print('匹配的内容：' + matchObj.group())
    9. else:
    10.   print("没有匹配的内容")

    \s 匹配任何空白字符g \S匹配任何非空白字符

    使用字符表达式 regex = r’^+86$’ 校验字符串的开头和结尾

    ^ 表示字符串的开头 ￥$ 表示字符串的结尾

    • 是因为加号也是一个表达式 +表示加号本身

    单词字符相关表达式

    python正则表达式 - 图2

    数字相关表达式

    python正则表达式 - 图3

    点表达式

    python正则表达式 - 图4

    逻辑或

    regex = r’^13|14|15|16|17|18|19’

    子表达式

    regex = r’^(13(4|5|6|7|8|9)$)’ 表示有着相同的前缀，不同的只是第三个数字 regex = r’[1]‘ 表示只能是数字 英文字母大小写开头

    排除范围

    在中括号内，用^来表示排除范围

    限定符表达式

    可限定出现的次数 python正则表达式 - 图5 python正则表达式 - 图6

    非贪婪模式
    在一般限定符或范围限定符后面加？
    单次检索

    1. re.search(regex, text)    '检索全文，返回第一个'
    2. re.match(regex, text)      '检查文本的开头'
    3. matchObj.group()           '调用结果的对象'

    索引

    1. matchObj.start()    '调用返回对象的索引   从0开始计算 取第一个结果对象的首字符'
    2. matchObj.end()      '从1开始计算  取第一个结果的末字符 '
    3. matchObj.span()    '返回元组 包含两个数据'

    全量检索

    1. re.findall(regex, text)      返回列表

    迭代器

    1. import re
    3. line = 'I love dogs cats and others'
    5. regex = r'\w+\s'
    7. matchObjs = re.finditer(regex, line)
    9. for matchObj in matchObjs :
    10.   print(matchObj.group() + ' start=' + str(matchObj.start()) + ' end=' + str(matchObj.end()))
    11.  #所有结果
    12. I  start=0 end=2
    13. love  start=2 end=7
    14. dogs  start=7 end=12
    15. cats  start=12 end=17
    16. and  start=17 end=21

    替换

    1. re.sub(pattern, repl, sourceText, count)     'count是最大替换次数，可以不写，不写默认全部替换'    
    2.       '正则表达式，替换后字符，源文件'
    1. import re
    3. text = "2019-11-23"
    5. ## 替换所有的非数字的字符，兼容性好
    6. regex = r'\D'
    8. ## 全部替换
    9. targetText = re.sub(regex, '/', text)
    10. print('日期：' + targetText)

    预编译

    1. re.compile(regex)     返回值是pattern对象
    4. import re
    6. text = "2019-11-23"
    8. ## 替换所有的非数字的字符，兼容性好
    9. regex = r'\D'
    10. ## 编译一次
    11. pattern = re.compile(regex)
    13. matchObjs = pattern.findall(text)
    14. print(matchObjs)
    16. targetText = pattern.sub('/', text)
    17. print('日期：' + targetText)

    分组
    对于返回的结果对象调用分组的方法
    1.返回整体结果 matchObj.group()
    2.指定分组 接受正整数参数 group（1）第一个子表达式
    3.全部分组 groups（） 返回一个元组 包含所有分组的字符串

    实战
    网页爬取
    提取新闻链接

    1. import re
    2. import requests
    4. ## 抓取页面
    5. response = requests.get('https://news.sina.com.cn/')
    6. content = response.text
    8. print(content)
    10. ## 扫描 <a>xxx</a> 标签，这是新闻链接
    11. aTagRegex = r"<a.+?/a>"
    12. aTagPattern = re.compile(aTagRegex);
    14. matchs = aTagPattern.findall(content)
    16. for matchStr in matchs:
    17.   print(matchStr)
    1. import re
    2. import requests
    4. ## 抓取页面
    5. response = requests.get('https://news.sina.com.cn/')
    6. response.encoding = 'utf-8'
    7. content = response.text
    9. ## 扫描 <a>xxx</a> 标签，这是新闻链接
    10. aTagRegex = r"<a.+?/a>"
    11. aTagPattern = re.compile(aTagRegex);
    13. ## 网址正则表达式
    14. linkRegex = r"href=\"(.+?)\""
    15. linkPattern = re.compile(linkRegex);
    17. ## 标题正则表达式
    18. titleRegex = r">(.+)<"
    19. titlePattern = re.compile(titleRegex);
    21. matchs = aTagPattern.findall(content)
    23. for matchStr in matchs:
    24.   print(matchStr)
    25.   ## 解析网址
    26.   matchLinkObj = linkPattern.search(matchStr)
    27.   if matchLinkObj :
    28.     print(matchLinkObj.groups()[0])
    29.   ## 解析标题
    30.   matchTitleObj = titlePattern.search(matchStr)
    31.   if matchTitleObj :
    32.     print(matchTitleObj.groups()[0])
    33.   print('')
    1. a-zA-Z0-9 ↩︎