目录

一、什么是正则表达式

二、正则表达式的要素与语法

1、普通字符

2、特殊字符

（1）非打印字符

（3）重复匹配符

3、正则表达式的逻辑与分组

4、正则表达式的函数

（1）findall

（2）split：

（3）replace：

一、什么是正则表达式

正则表达式 (Regular Expression) 又称 RegEx, 是用来匹配字符的一种工具. 在一大串字符中寻找你需要的内容. 它常被用在很多方面, 比如网页爬虫, 文稿整理, 数据筛选等等. 最简单的一个例子, 比如我需要爬取网页中每一页的标题. 而网页中的标题常常是这种形式.

而且每个网页的标题各不相同, 我就能使用正则表达式, 用一种简单的匹配方法, 一次性选取出成千上万网页的标题信息. 正则表达式绝对不是一天就能学会和记住的, 因为表达式里面的内容非常多, 强烈建议, 现在这个阶段, 你只需要了解正则里都有些什么, 不用记住, 等到你真正需要用到它的时候, 再反过头来, 好好琢磨琢磨, 那个时候才是你需要训练自己记住这些表达式的时候.

二、正则表达式的要素与语法

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文字模式。模式描述在搜索文本时要匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

1、普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

2、特殊字符

（1）非打印字符

（2）定位符

# \b匹配单词的边界
# \b单词，在单词前边不能出现数字、字母、汉字，但是可以出现除此之外的其他符号>>> print(re.search(r"\brun", "cat is running"))
<re.Match object; span=(7, 10), match='run'>>>> print(re.search(r"\brun", "cat is !running"))
<re.Match object; span=(8, 11), match='run'>>>> print(re.search(r"\brun", "cat is *&running"))
<re.Match object; span=(9, 12), match='run'>>>> print(re.search(r"run\b", "he run!"))
<re.Match object; span=(3, 6), match='run'>>>> print(re.search(r"run\b", "he run and fail"))
<re.Match object; span=(3, 6), match='run'>

# \B单词，单词前边为数字或字母
# 单词\B，单词后边为数字或字母>>> print(re.search(r"\BMath", "MyMath")) 
<re.Match object; span=(2, 6), match='Math'>>>> print(re.search(r"\BMath", "1Math")) 
<re.Match object; span=(1, 5), match='Math'>

# ^匹配字符串开头>>> print(re.search(r"^welcome", "welcome to beijing"))
<re.Match object; span=(0, 7), match='welcome'>>>> print(re.search(r"^@", "@胡歌"))
<re.Match object; span=(0, 1), match='@'>

# $匹配字符串的结尾>>> print(re.search(r"bye$", "赵丽颖,bye"))
<re.Match object; span=(4, 7), match='bye'>>>> print(re.search(r".beijing", "!beijing"))
<re.Match object; span=(0, 8), match='!beijing'>

（3）重复匹配符

# +前面表达式重复一次或者多次
# ab+前面表达式变为ab>>> print(re.search(r"(ab)+", "ab"))
<re.Match object; span=(0, 2), match='ab'>>>> print(re.search(r"(ab)+", "beijing and ab"))    
<re.Match object; span=(12, 14), match='ab'>>>> print(re.search(r"ab+", "beijing")) 
None>>> print(re.search(r"a-b+", "beijing"))   #表达式为a-b
None>>> print(re.search(r"a-b+", "NNNa-bMMM"))
<re.Match object; span=(3, 6), match='a-b'>

3、正则表达式的逻辑与分组

# 正则表达式用()来进行分组
# 通过group(i)可以得到不同分组匹配到的字符串>>> print(re.search(r"(\d+)----(.+)", "123456----北京天安门"))     
<re.Match object; span=(0, 15), match='123456----北京天安门'>>>> a = re.search(r"(\d+)----(.+)", "123456----北京天安门") 
>>> a.group()   
'123456----北京天安门'>>> a.group(1) 
'123456'>>> a.group(2)  
'北京天安门'

4、正则表达式的函数

（1）findall

前面我们说的都是只找到了最开始匹配上的一项而已, 如果需要找到全部的匹配项, 我们可以使用 findall 功能. 然后返回一个列表. 注意下面还有一个新的知识点, | 是 or 的意思, 要不是前者要不是后者.

>>> print(re.findall(r"r[ua]n", "run and ran r2n"))  
['run', 'ran']>>> print(re.findall(r"(run|ran)", "ruan run runnnran"))      
['run', 'run', 'ran']

（2）split：

再来我们 Python 中有个字符串的分割功能, 比如想获取一句话中所有的单词. 比如 "a is b".split(" "), 这样它就会产生一个列表来保存所有单词. 但是在正则中, 这种普通的分割也可以做的淋漓精致.

# split分割函数       
>>> print(re.split(r"[,:\.]","a,b.c:d"))
['a', 'b', 'c', 'd']

（3）replace：

我们还能通过正则表达式匹配上一些形式的字符串然后再替代掉这些字符串. 使用这种匹配 re.sub(), 将会比 python 自带的 string.replace() 要灵活多变.

# replace替换函数
>>> print(re.sub(r"r[au]nners", "walker", "runners are walking"))     
walker are walking