因为最近需要用爬虫爬取数据进行测试，所以开始了爬虫填坑之旅，所以首先要系统学习正则化相关的知识。于是整理了以下常规知识点。语言环境是Python。主要讲解Python的Re模块。下面我主要列出一部分语法，其余的可以直接去python官网查阅：docs.python.org/3/library/r...1.基本语法总结1.1。匹配单个字符a。dDwWsS[...][^...]匹配单个字符(.)规则：匹配除换行符以外的任何字符In[24]:re.findall("f.o","fooisnotfao")Out[24]:['foo','fao']匹配任何（非）数字字符(dD)d[0-9]D[^0-9]匹配任何（非）普通字符(wW)w普通字符include[_0-9A-Za-z]还包括汉字W非普通字符匹配任意（非）空字符（sS）s匹配任意空字符[]S匹配任意非空字符匹配字符集（[...])[[^abc]-->除abc1.2以外的任意字符，匹配多个字符*匹配0次或多次+匹配1次或多次？匹配0次或1次{m}匹配m次{m,n}匹配m次到n子区间1.3中的任何时间。匹配位置^匹配起始位置$匹配结束位置A匹配起始位置Z匹配结束位置匹配词边界位置（一般用于首字母大小写匹配）B匹配非词边界问题1.4、转义有一类特殊字符需要在正则表达式中进行传递，只需要在特殊字符之间添加表示传递即可。*+？^$[]{}()|1.5、子组使用()可以是正则表达式公式建立了一个内部组，子组是正则表达式的一部分，可以看成是一个内部整体。In[61]:re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(0)Out[61]:'https://www.baidu.com'在[62]:re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(1)Out[62]:'https'1.6、贪心模式和非贪心模式正则表达式的重复匹配，总是尽可能向后匹配，匹配更多的内容。贪心模式包括：*+?{m,n}非贪心模式：尽可能少匹配贪心模式转为非贪心模式：*?+？？？{m,n}?In[106]:re.findall(r"ab+?","abbbbbbbbb")Out[106]:['ab']In[107]:re.findall(r"ab??","abbbbbbbb")Out[107]:['a']2.Remodule接下来我的所有函数中的参数解释如下：截获目标字符串结束位置flags:functionflagreplaceStr:replaceThestringmax:最多替换几个地方（默认全部替换）。从上图我们可以看出，我们接下来要介绍的Python中的re模块、regex对象、match对象之间存在着一定的关系。re模块的编译方法返回一个正则表达式对象。re模块和regex对象的finditer()、fullmatch()、match()、search()方法返回一个匹配对象。它们分别有自己的属性和方法。2.1、compileregex=re.compile(pattern,flags=0)#生成正则表达式对象2.2、findallre.findall(pattern,string,pos,endpose)#从目标字符串中匹配所有符合条件的内容2.3、splitre.split(pattern,string,flags)#Split根据正则表达式In[79]:re.split(r's+',"HelloWorld")Out[79]:['Hello','World']2.4,subre.sub(pattern,replaceStr,string,max,flags)In[80]:re.sub(r's+',"##","helloworld")Out[80]:'hello##world'2.5,subnre.subn(pattern,replaceStr,string,max,flags)#功能同sub，只是返回值返回替换后的字符串和几个替换In[80]:re.sub(r's+',"##","helloworld")Out[80]:('hello##world',1)2.6,finditerre.finditer(pattern,string)#使用正则表达式匹配目标字符串，返回一个匹配对象。匹配对象只有在调用group()后才能获取到值。在[<_sre.SRE_Matchobjectat0x7f0639767920>In[93]:it=re.finditer(r'd+',"2014nianshiqiqngduo08aoyun512dizhen")In[94]:foriinit:....:print(i.group())....:2014085122.7、fullmatchfullmatch(pattern,string,flags)#完全匹配目标字符串，相当于加上^和$2.8,matchre.match(pattern,string,flags)#匹配目标字符串开头的位置2.9,searchre.search(pattern,string,flags)#正则表达式匹配目标字符串，只匹配***3.部分练习3.1.匹配大写字母的单词importref=open('test.txt')pattern=r'[A-Z][a-zA-Z]*s*'#pattern=r'[A-Z]S'L=[]foriinf:L+=re.findall(pattern,i)print(L)test.txt文件内容如下：HelloWorld-12.6Nihao123Howareyou-121.24asdk34%，占1/22003-2005./%3.2，匹配数（正数字、负数、小数、百分比、分数)importrepattern="-?d+((/?d+)|((.)?d+)|((%)?))"f=open('test.txt')l=[]forlineinf:l+=re.finditer(模式,线)foriinl:print(i.group())
