python之常用正则表达式

以下整理python中常用的正则符号，相信能够熟悉掌握这些正则符号，大部分字符串处理将会游刃有余。

符号	含义	示例
.	可以匹配任意字符，但不包含换行符'\n'	Pyt.on ->Pytmon
\	转义符，一般用于保留字符串中的特殊元字符	10\.3 ->10.3
|	逻辑或	人a|A->人a或者人A
[]	用于匹配的一组字符	m[aA]n ->man 或者 mAn
\d与\D	\d匹配任意数字，\D代表所有的非\d	今天\d号 ->今天3号
\s与\S	\s匹配任意空白字符，\S代表所有非\s	你\s好 ->你  好
\w与\W	\w匹配字母数字和下划线，\W代表所有非\w	P\wy ->Pay 或者 P3y  P_y
*	匹配前一个字符0到无穷次	OK* ->O或者OK 或 OKK
+	匹配前一个字符1到无穷次	OK+ ->OK或者OK 或 OKK
？	匹配前一个字符0到1次	OK？ ->O或者OK
｛m｝	匹配前一个字符m次	OK{3} ->OKKK
｛m,n｝	匹配前一个字符m到n次	OK{1,2} ->OK或者OKK

另外 （.*?）用于分组，默认返回括号内的匹配内容，

在Python开发爬虫过程中经常会遇到正则表达式，其中(.*?) 的使用概率较高，那么这个正则表达式到底什么意思呢？

“.*?” 表示非贪心算法，表示要精确的配对。

“.*”表示贪心算法，表示要尽可能多的匹配

“()” 表示要获取括弧之间的信息。

基于正则表达式完成字符串的查询，替换和分割操作，这些操作都需要导入re模块，并使用如下几个函数。

1．匹配查询函数
findall(pattern, string, flags=0)
findall 函数可以对指定的字符串进行遍历匹配，获取字符串中所有匹配的子串，并返回一个列表结果。该函数的参数含义如下：
pattern：指定需要匹配的正则表达式。
string：指定待处理的字符flags：指定匹配模式，常用的值可以是re.I、re.M、re.S和re.X。

re.I的模式是让正则表达式对大小写不敏感；

re.M的模式是让正则表达式可以多行匹配；

re.S的模式指明正则符号.可以匹配任意字符，包括换行符\n；

re.X模式允许正则表达式可以写得更加详细，如多行表示、忽略空白字符、加入注释等。

2．匹配替换函数
sub(pattern, repl, string, count=0, flags=0)
sub函数的功能是替换，类似于字符串的replace方法，该函数根据正则表达式把满足匹配的内容替换为repl。该函数的参数含义如下：
pattern：同findall函数中的pattern。
repl：  指定替换成的新值。
string：同findall函数中的string。
count：用于指定最多替换的次数，默认为全部替换。
flags：同findall函数中的flags。

3．匹配分割函数
split(pattern, string, maxsplit=0, flags=0)
split函数是将字符串按照指定的正则表达式分隔开，类似于字符串的split方法。该函数的具体参数含义如下：
pattern：同findall函数中的pattern。
maxsplit：用于指定最大分割次数，默认为全部分割。
string：同findall函数中的string。
flags：同findall函数中的flags。

示例：

import re

string8 = "{ymd:'2018-01-01',tianqi:'晴'，aqiInfo:'轻度污染'},{ymd:'2018-01-02',tianqi:'阴~小雨',aqiInfo:'优'},{ymd:'2018-01-03',tianqi:'小雨~中雨',aqiInfo:'优'},{ymd:'2018-01-04',tianqi:'中雨~小雨',aqiInfo:'优'}"

#取出字符串中所有的天气状态

print(re.findall("tianqi:'(.*?)' '',string8))     #此处注意观察，（.*?)'  这里面使用的是精确匹配，当匹配到后面是' 号就停止

string9="I don't want to be someone that you're settling for. I don't want to be someone that anyone settles for. "

print(re.findall('\w*o\w',string9,flags = re.I))     #此处留个缺陷" don't  you're "匹配出来不是我们想要的结果，用于思考

##out:

['don', 'someon', 'you', 'for', 'don', 'someon', 'anyon', 'for']

string10 = '据路透社报道，由于土耳其军队离美军驻地已经过近，美军数架F-15战斗机和AH-64“阿帕奇”攻击直升机在土军阵地上方进行了威慑性飞行。'

print(re.sub('[，。，“”a-zA-Z0-9（）]','',string10))    #将标点符号，数字和字母删除

out:

据路透社报道由于土耳其军队离美军驻地已经过近美军数架-战斗机和-阿帕奇攻击直升机在土军阵地上方进行了威慑性飞行

#将每一部分的内容分割开

string11 = '2室2厅 | 101.62平 |低区/7层 | 朝南 \n 上海未来 - 浦东-金杨 -2005年建'

split =re.split('[-\|\n]',string11)      #[]列表内的所有符号作为分隔的标志

print(split)

split_strip = [i.strip() for i in split]

print(split_strip )

out:

['2室2厅', '101.62平', '低区/7层', '朝南', '上海未来', '浦东', '金杨', '2005年建']