正則作為處理字符串的一個實(shí)用工具，在Python/ target=_blank class=infotextkey>Python中經(jīng)常會用到，比如爬蟲爬取數(shù)據(jù)時(shí)常用正則來檢索字符串等等。正則表達(dá)式已經(jīng)內(nèi)嵌在Python中，通過導(dǎo)入re模塊就可以使用，作為剛學(xué)Python的新手大多數(shù)都聽說”正則“這個術(shù)語。
今天來給大家分享一份關(guān)于比較詳細(xì)的Python正則表達(dá)式寶典，學(xué)會之后你將對正則表達(dá)式達(dá)到精通的狀態(tài)。
一、re模塊
在講正則表達(dá)式之前，我們首先得知道哪里用得到正則表達(dá)式。正則表達(dá)式是用在findall()方法當(dāng)中，大多數(shù)的字符串檢索都可以通過findall()來完成。
1.導(dǎo)入re模塊
在使用正則表達(dá)式之前，需要導(dǎo)入re模塊。
import re
2.findall（）的語法：
導(dǎo)入了re模塊之后就可以使用findall（）方法了，那么我們必須要清楚findall（）的語法是怎么規(guī)定的。
findall(正則表達(dá)式，目標(biāo)字符串)
不難看出findall（）的是由正則表達(dá)式和目標(biāo)字符串組成，目標(biāo)字符串就是你要檢索的東西，那么如何檢索則是通過正則表達(dá)式來進(jìn)行操作，也就是我們今天的重點(diǎn)。
使用findall（）之后返回的結(jié)果是一個列表，列表中是符合正則要求的字符串
二、正則表達(dá)式
(一).字符串的匹配
1.普通字符
大多數(shù)的字母和字符都可以進(jìn)行自身匹配。
import re
a = "abc123+-*"
b = re.findall('abc',a)
print(b)
輸出結(jié)果：
['abc']
2.元字符
元字符指的是. ^ $ ? + {} []之類的特殊字符，通過它們我們可以對目標(biāo)字符串進(jìn)行個性化檢索，返回我們要的結(jié)果。
這里我給大家介紹10個常用的元字符以及它們的用法，這里我先給大家做1個簡單的匯總，便于記憶，下面挨個講解每一個元字符的使用。
（1） []
[] 的使用方式主要有以下三種：
- 常用來指定一個字符集。
s = "a123456b"
rule = "a[0-9][1-6][1-6][1-6][1-6][1-6]b" #這里暫時(shí)先用這種麻煩點(diǎn)的方法，后面有更容易的，不用敲這么多[1-6]
l = re.findall(rule,s)
print(l)
輸出結(jié)果為：
['a123456b']
- 可以表示一個范圍。
例如要在字符串"abcabcaccaac"中選出abc元素：
s = "abcabcaccaac"
rule = "a[a,b,c]c" # rule = "a[a-z0-9][a-z0-9][a-z0-9][a-z0-9]c"
l = re.findall(rule, s)
print(l)
輸出結(jié)果為：
['abc', 'abc', 'acc', 'aac']
- [] 內(nèi)的元字符不起作用，只表示普通字符。
例如要在字符串“caabcabcaabc”中選出“caa”：
print(re.findall("caa[a，^]", "caa^bcabcaabc"))
輸出結(jié)果為：
['caa^']
注意點(diǎn)：當(dāng)在[]的第一個位置時(shí)，表示除了a以外的都進(jìn)行匹配，例如把[]中的和a換一下位置：
print(re.findall("caa[^,a]", "caa^bcabcaabc"))
輸出：
['caa^', 'caab']
（2）^
^ 通常用來匹配行首，例如：
print(re.findall("^abca", "abcabcabc"))
輸出結(jié)果：
['abca']
(3) $
$ 通常用來匹配行尾，例如：
print(re.findall("abc$", "accabcabc"))
輸出結(jié)果：
['abc']
（4）
反斜杠后面可以加不同的字符表示不同的特殊含義，常見的有以下3種。
- d:匹配任何十進(jìn)制數(shù)等價(jià)于[0-9]
print(re.findall("cddda", "abc123abc"))
輸出結(jié)果為：
['c123a']
可以轉(zhuǎn)義成普通字符，例如：
print(re.findall("^abc", "^abc^abc"))
輸出結(jié)果：
['^abc', '^abc']
- s
匹配任何的空白字符例如：
print(re.findall("ss", "a c"))
輸出結(jié)果：
[' ', ' ']
- w
匹配任何字母數(shù)字和下劃線，等價(jià)于[a-zA-Z0-9_]，例如：
print(re.findall("www", "abc12_"))
輸出：
['abc', '12_']
（5）{n}
{n}可以避免重復(fù)寫，比如前面我們用w時(shí)寫了3次w，而這里我們這需要用用上{n}就可以，n表示匹配的次數(shù)，例如：
print(re.findall("w{2}", "abc12_"))
輸出結(jié)果：
['ab', 'c1', '2_']
（6）*
*表示匹配零次或多次（盡可能地多去匹配），例如：
print(re.findall("010-d*", "010-123456789"))
輸出：
['010-123456789']
（7） +
+表示匹配一次或多次，例如
print(re.findall("010-d+", "010-123456789"))
輸出：
['010-123456789']
（8） .
.是個點(diǎn)，這里不是很明顯，它用來操作除了換行符以外的任何字符，例如：
print(re.findall(".", "010n?!"))
輸出：
['0', '1', '0', '?', '!']
(9) ？
？表示匹配一次或零次
print(re.findall("010-d?", "010-123456789"))
輸出：
['010-1']
這里要注意一下貪婪模式和非貪婪模式。
貪婪模式：盡可能多的去匹配數(shù)據(jù)，表現(xiàn)為d后面加某個元字符，例如d*：
print(re.findall("010-d*", "010-123456789"))
輸出：
['010-123456789']
非貪婪模式：盡可能少的去匹配數(shù)據(jù)，表現(xiàn)為d后面加？，例如d?
print(re.findall("010-d*?", "010-123456789"))
輸出為：
['010-']
(10){m,n}
m,n指的是十進(jìn)制數(shù),表示最少重復(fù)m次，最多重復(fù)n次，例如：
print(re.findall("010-d{3,5}", "010-123456789"))
輸出：
['010-12345']
加上？表示盡可能少的去匹配
print(re.findall("010-d{3,5}?", "010-123456789"))
輸出：
['010-123']
{m,n}還有其他的一些靈活的寫法，比如：
- {1,} 相當(dāng)于前面提過的 + 的效果
- {0，1} 相當(dāng)于前面提過的 ？ 的效果
- {0，} 相當(dāng)于前面提過的 * 的效果
關(guān)于常用的元字符以及使用方法就先到這里，我們再來看看正則的其他知識。
（二）正則的使用
1.編譯正則
在Python中，re模塊可通過compile() 方法來編譯正則，re.compile(正則表達(dá)式),例如：
s = "010-123456789"
rule = "010-d*"
rule_compile = re.compile(rule) #返回一個對象
# print(rule_compile)
s_compile = rule_compile.findall(s)
print(s_compile) #打印compile()返回的對象是什么
輸出結(jié)果：
['010-123456789']
2.正則對象的使用方法
正則對象的使用方法不僅僅是通過我們前面所介紹的 findall() 來使用，還可以通過其他的方法進(jìn)行使用，效果是不一樣的，這里我做個簡單的總結(jié)：
（1）findall()
找到re匹配的所有字符串，返回一個列表
（2）search()
掃描字符串，找到這個re匹配的位置（僅僅是第一個查到的）
（3）match()
決定re是否在字符串剛開始的位置（匹配行首）
就拿上面的 compile()編譯正則之后返回的對象來做舉例，我們這里不用 findall() ,用 match() 來看一下結(jié)果如何：
s = "010-123456789"
rule = "010-d*"
rule_compile = re.compile(rule) # 返回一個對象
# print(rule_compile)
s_compile = rule_compile.match(s)
print(s_compile) # 打印compile()返回的對象是什么
輸出：
<re.Match object; span=(0, 13), match='010-123456789'>
可以看出結(jié)果是1個match 對象，開始下標(biāo)位置為0~13，match為 010-123456789 。既然返回的是對象，那么接下來我們來講講這個match 對象的一些操作方法。
3.Match object 的操作方法
這里先介紹一下方法，后面我再舉例，Match對象常見的使用方法有以下幾個：
（1）group()
返回re匹配的字符串
（2）start()
返回匹配開始的位置
（3）end()
返回匹配結(jié)束的位置
（4）span()
返回一個元組：（開始,結(jié)束）的位置
舉例：用span()來對search()返回的對象進(jìn)行操作：
s = "010-123456789"
rule = "010-d*"
rule_compile = re.compile(rule) # 返回一個對象
s_compile = rule_compile.match(s)
print(s_compile.span()) #用span()處理返回的對象
結(jié)果為：
(0, 13)
4.re模塊的函數(shù)
re模塊中除了上面介紹的findall()函數(shù)之外，還有其他的函數(shù)，來做一個介紹：
（1）findall()
根據(jù)正則表達(dá)式返回匹配到的所有字符串，這個我就不多說了，前面都是在介紹它。
（2）sub(正則,新字符串,原字符串)
sub() 函數(shù)的功能是替換字符串，例如：
s = "abcabcacc" #原字符串
l = re.sub("abc","ddd",s) #通過sub()處理過的字符串
print(l)
輸出：
ddddddacc #把a(bǔ)bc全部替換成ddd
(3)subn(正則,新字符串,原字符串)
subn()的作用是替換字符串，并返回替換的次數(shù)
s = "abcabcacc" #原字符串
l = re.subn("abc","ddd",s) #通過sub()處理過的字符串
print(l)
輸出：
('bbbbbbacc', 2)
（4）split()
split()分割字符串，例如：
s = "abcabcacc"
l = re.split("b",s)
print(l)
輸出結(jié)果：
['a', 'ca', 'cacc']
關(guān)于正則，我就講這么多了，正則幾乎是Python所有方向中是必不可少的一個基礎(chǔ)，祝你的Python之旅學(xué)有所成！
