Python正则表达式 | Somnus's blog

好久没复习Python了，感觉很多东西都快忘了，趁着假期赶紧补一补基础

什么是正则

正则表达式使用单个字符串来描述，匹配一系列符合某个句法规则的字符串，简单理解，就是对字符串的检索匹配和处理

Python 正则表达式

Python通过re模块提供对正则表达式的支持

1.先将正则表达式的字符串形式编译为Pattern实例；

2.使用Pattern实例处理文本并获得匹配结果；

3.使用实例获得信息，进行其他的操作。

先熟知几个re模块常用的函数：

(1)re.compile(pattern,flags=0)

re.match(pattern,string,flags=0)

来看下面一个例子：

>>> import re
>>> pattern = re.compile('hello')
>>> match = pattern.match('hello world')
>>> print(match.group())
hello

这个例子使用了re模块的compile函数生成一个正则表达式的pattern对象，该对象拥有一系列方法用于正则表达式的匹配和替换,简单而言就是规定了匹配的模式，而match函数则用来匹配，匹配成功则返回一个match对象，match对象通过group()返回被RE匹配的字符串

(2)re.findall(pattern,string,flags=0)

来看下面一个例子：

1
2
3

>>> import re
>>> re.findall('hello','hello world')
['hello']

这个例子使用了re模块的findall函数遍历匹配，可以获取字符串中所有匹配的字符串，返回一个列表，跟compile函数不同在于，findall函数能搜素出所有符合的字符串组成一个列表

(3)re.search(pattern,string,flags=0)

来看下面一个例子：

>>> import re
>>> match = re.search('hello','hello world')
>>> match.group()
'hello'

这个例子使用了re模块的search函数，跟match函数一样，只找到第一个匹配的字符串然后返回一个match对象

实例

抓取i春秋网页的课程信息

代码如下：

import requests
import re
from bs4 import BeautifulSoup

url="https://www.ichunqiu.com/courses/webaq"
header={
	'Host': 'www.ichunqiu.com',
	'Connection': 'close',
	'Cache-Control': 'max-age=0',
	'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36',
	'Upgrade-Insecure-Requests': '1',
	'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
	'Accept-Encoding': 'gzip, deflate',
	'Accept-Language': 'zh-CN,zh;q=0.9'
	}
r=requests.get(url,headers=header)
r.encoding=r.apparent_encoding
soup=BeautifulSoup(r.text,'html.parser')

#获取课程名称
classname=[]
l=soup.find_all('div',class_='coursename')
for i in l:
    classname.append(i['title'])

#获取课程价格
cost=re.findall(r'\d*元|免费',str(soup))

#获取课程课时和总时间
time=re.findall(r'\d*课时\d*分钟',str(soup))

#获取课程学习人数
people=re.findall(r'\d*人学习',str(soup))

#整理课程所有信息
classMessage=[]
message=[]
for i in range(20):
    message.append(classname[i])
    message.append(cost[i])
    message.append(time[i])
    message.append(people[i])
    classMessage.append(message)
    message=[]
print('{0:30s}\t{1:8s}\t{2:15s}\t{3:15s}'.format('课程名称','价格','课时及总时间','学习人数',chr(12288)))
for i in classMessage:
    print('{0:30s}\t{1:8s}\t{2:15s}\t{3:15s}'.format(i[0],i[1],i[2],i[3],chr(12288)))
    print()

输出结果：

最后这里因为中文英文字符所占字节不同，所以死活对不齐…也利用了chr(12288)填充的办法还是行不通，希望有大神能告知如何解决，感激不尽

特殊字符

一般字符	匹配自身	abc	abc
.	匹配任意换行符”\n”以外的字符	a.c	abc
\	转义字符，是最后一个字符改变原来的意思。用于在正则表达式中转义一些特殊字符	`a\.c` `a\\c`	a.c a\c
[…]	字符集。对应的位置可以是字符串集中任意1个字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]，第一个字符如果是^则表示取反，如`[^abc]`表示不是abc的其他字符。所有的特殊字符在字符集中都失去原来的特殊含义，在字符集中如果要使用]，-或^，可以在前面加上反斜杠	a[bcd]e	abe ace ade

字符集

预定义字符（可以写在[…]中）	含义	例子	符合匹配的例子
\d	数字：[0-9]	a\dc	a1c,a9c
\D	非数字：`[^\d]`	a\Dc	abc,a c
\s	空白字符：[<空格>\t\r\f\v]	a\sc	a c
\S	非空白字符：`[^\s]`	a\Sc	abc,a1c
\w	单词字符：[A-Za-z0-9]	a\wc	abc,a1c,aBc
\W	非单词字符：`[^\w]`	a\Wc	a c,a.c

数量词

数量词	含义	例子	符合匹配的例子
*	匹配前一次字符0次或无限次	abc*	ab,abccc
+	匹配前一个字符1次或无限次	abc+	abc,abccc
?	匹配前一个字符0次或1次	abc?	ab,abc
{m}	匹配前一个字符m次	ab{2}c	abbc
{m,n}	匹配前一个字符m到n次	ab{1,2}c	abc,abbc

逻辑，分组

字符	含义	例子	符合匹配的例子
或运算符	代表左右表达式任意匹配一个，它总是先尝试匹配左边的表达式，一旦成功匹配则跳过右边的表达式，如果或运算符没有包括在()中，则它的范围是整个正则表达式	abc或def	abc def
(…)	被括起来的表达式将作为分组，从表达式左边开始每遇到一个分组的左括号，编号+1分组表达式作为一个整体，可以后接数量词，表达式中或运算符仅在该组中有效	(abc){2} a(123或456)c	abcabc a123c,a456c

贪婪模式和非贪婪模式

正则表达式通常用于在文本中查找匹配的字符串。Python里的数量词默认是贪婪的，意思是总是尝试匹配尽可能多的字符；非贪婪的则相反，总是尝试匹配尽可能少的字符。

例如：正则表达式”ab*“如果用于查找”abbbc”，将匹配到”abbb”。而如果使用非贪婪方法(在数量词后面加上?，则使用非贪婪方法匹配)，如”ab*?”，将找到”a”