正則表達式與RE庫
前言
首先要明白什麼是正則表達式?
正則表達式又稱規則表達式，是對字元串操作的一種邏輯公式，就是用事先定義好的一些特定字元及這些特定字元的組合，組成一個「規則字元串「，這個」規則「用來表達對字元串的一種過濾邏輯。通俗講就是給定一個規則(模式)，然後根據這個規則去匹配文本。
常見的匹配模式
ps:上下滑動查看更多，高清原照後臺回復：正則
查看re模塊的功能信息
import re
print(re.__doc__)
re的主要功能函數
常用的功能函數包括：
compile、search、match、split、findall（finditer）、sub（subn）、escape等等。
re.match
re.match 嘗試從字元串的起始位置匹配一個模式，如果不是起始位置就匹配成功的話，match()就返回None,即它返回從位置 0 開始有匹配的情況。
這個方法並不是完全匹配。當pattern結束時若string還有剩餘字元，仍然視為成功。想要完全匹配，可以在表達式末尾加上邊界匹配符$語法格式：
re.match(pattern, string［, flags］)
flags： 編譯標誌位，用於修改正則表達式的匹配方式，如：是否區分大小寫，多行匹配等。
編譯標誌：- re.S(DOTALL) 使.匹配包括換行在內的所有字元
- re.I（IGNORECASE） 使匹配對大小寫不敏感
- re.L（LOCALE） 做本地化識別（locale-aware)匹配，法語等,即讓w、W、、B、s和S依賴當前的locale。
- re.M(MULTILINE) 多行匹配，影響^和$
- re.X(VERBOSE) 該標誌通過給予更靈活的格式以便將正則表達式寫得更易於理解,即可以在規則中加#注釋
- re.U 根據Unicode字符集解析字元，這個標誌影響w,W,,B
示例：
import re
string = hello world!! 123 ABC $9.99 +feg
result = re.match(world,string)
print(result)
None
import re
string = hello world!! 123 ABC $9.99 +feg
result1 = re.match(he.*!!s(d{2}).*B,string) # 貪婪匹配
print(result1)
print(result1.group())
print(result1.group(1))
result2 = re.match(he.*?!!sd{3}swwws$d.dd,string) # 非貪婪匹配: .任意字元 *零到多次 ?非貪婪
print(result2)
print(result2.group())
<_sre.SRE_Match object; span=(0, 20), match=hello world!! 123 AB>
hello world!! 123 AB12
<_sre.SRE_Match object; span=(0, 27), match=hello world!! 123 ABC $9.99>
hello world!! 123 ABC $9.99
re.search
re.search 掃描整個字元串並返回第一個成功的匹配,如果沒有匹配的就返回None。
語法格式：
re.search(pattern, string[, flags])
示例：
import re
string = hello world!! 123 ABC $9.99 +feg
result = re.search(!!s(d{2}).*?(BC).*?.(d+).*?f(w)+,string) # 貪婪匹配 #註：(w)+只匹配最後一個字母g
print(result)
print(result.group())
print(result.group(2))
print(result.group(1,2,3))
print(result.groups())
<_sre.SRE_Match object; span=(11, 32), match=!! 123 ABC $9.99 +feg>
!! 123 ABC $9.99 +feg
BC
(12, BC, 99)
(12, BC, 99, g)
小結：為匹配方便，盡量用search而不用match
re.findall
搜索字元串，以列表形式返回全部能匹配的子串。
語法格式：
re.findall(pattern, string[, flags])
示例：
import re
string =
<ul id="list" class="list-group">
<li>哈哈哈哈</li>
<li data-view="1">
<a href="/1.com" singer="one">123456789</a>
</li>
<li data-view="2" class="active">
<a href="/2.com" singer="two">abc</a>
</li>
<li data-view="3"><a href="/4.com" singer="three">ABCDEF</a></li>
<li data-view="4"><a href="/5.com" singer="four">000000</a></li>
</ul>
results = re.findall(<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>, string, re.S)
print(results)
for result in results:
print(result)
print(result[0], result[1], result[2]))
略
re.finditer
與 findall 類似，在字元串中找到正則表達式所匹配的所有子串，並組成一個迭代器返回。
語法格式：
re.finditer(pattern, string[, flags])
re.sub
在字元串 string 中找到匹配正則表達式 pattern 的所有子串，用另一個字元串 repl 進行替換。如果沒有找到匹配 pattern 的串，則返回未被修改的 string。Repl 既可以是字元串也可以是一個函數。
語法格式：
re.sub(pattern, repl, string[, count, flags])
re.subn(pattern, repl, string[, count, flags]) 返回內容包括替換次數
示例：
import re
string = hello world!! 123 ABC $9.99 +feg
result1 = re.sub(d+, 換, string)
print(result1)
result2 = re.sub(d, 換, string)
print(result2)
result3 = re.sub((d+), r1換, string) #模式處追加
print(result3)
hello world!! 換 ABC $換.換 +feg
hello world!! 換換換 ABC $換.換換 +feg
hello world!! 123換 ABC $9換.99換 +feg
註：零長度的匹配也會被替換
re.split
語法格式：
re.split(pattern, string[, maxsplit=0, flags=0])
將字元串匹配正則表達式的部分割開，並返回一個列表。
用匹配pattern的子串來分割string，如果pattern裏使用了圓括弧，那麼被pattern匹配到的串也將作為返回值列表的一部分。如果maxsplit不為0，則最多被分割為maxsplit個子串，剩餘部分將整個地被返回。
如果正則有圓括弧，並且可以匹配到字元串的開始位置的時候，返回值的第一項，會多出一個空字元串。匹配到字元結尾也是同樣的道理註：split不會被零長度的正則所分割。
示例：
import re
string = A-B-C-D-F-G
print(re.split(r-,string))
print(re.split(r(-),string))
print(re.split(r-,string,1))
print(re.split(r-,string,2))
print(re.split(r(-),string,2))
[A, B, C, D, F, G]
[A, -, B, -, C, -, D, -, F, -, G]
[A, B-C-D-F-G]
[A, B, C-D-F-G]
[A, -, B, -, C-D-F-G]
re.escape
把string中，除了字母和數字以外的字元，都加上反斜桿。
示例：
import re
string = 123 A - B @ C 456 # D % F (G) 789*
print(re.escape(string))
123 A - B @ C 456 # D \% F (G) 789*
re.escape
把正則表達式語法轉化成正則表達式對象,以便於復用該匹配模式
語法格式：
re.compile(pattern[, flags])
示例：
import re
string = haha 123 world is cool
pattern = re.compile(ha.*cool)
result = re.match(pattern, string)
print(result)
print(result.group())
<_sre.SRE_Match object; span=(0, 22), match=haha 123 world is cool>
haha 123 world is cool
content = haha 123 world is cool123456789 I am a haha,what?
666 haha 123 world is cool euiujkldmfhgfg85df5hg5j6fg6h8
tycv haha 123 world is coolsgsreg19---41f351**165sd
r_m = re.match(pattern, content)
print(r_m.group())
r_s = re.search(pattern,content)
print(r_s.group())
r_f = re.findall(pattern,content)
print(r_f)
r_fter = re.finditer(pattern,content)
print(r_fter)
haha 123 world is cool
haha 123 world is cool
[haha 123 world is cool, haha 123 world is cool, haha 123 world is cool]
<callable_iterator object at 0x7fb03ceca160>
薦讀：
urllib的基本用法
urllib3的基本用法
requests的基本使用
推薦閱讀：
