作者：python来源：SegmentFault 思否社区

---

正则表达式用来处理字符串，对字符串进行检索和替换，另外正则在python爬虫的应用也是相当广泛！ 特点

• 灵活性、逻辑性和功能性非常强
• 可以迅速地用极简单的方式达到字符串的复杂控制

正则语法

`# 1、数字和字母都表示它本身, . 表示匹配除了换行以外的任意字符，    . 表示匹配 .# 2、很多字母前面添加  会有特殊含义    - n:换行    - t：制表符    - d: 匹配数字，等价[0-9]    - D:非数字，等价于[^0-9]    - w:表示数字、字母以及下划线，中文，等价于[0-9a-zA-Z_]    - W：表示w取反    - s:表示任意的非打印字符(空格、换行、制表符)    - S:表示非空白字符# 3、绝大多数标点都有特殊含义    - ()：用来表示一个分组,如果需要表示括号，需要使用     - []: 匹配范围，[0-9] 表示0~9范围中的一个,[0-9a-zA-Z]    - |: 表示或者的意思 re.search(r'f(x|y|z)m','pdsfxm')   匹配fxm    - {},{2,},{,3},{1,3}:用来限定前面元素出现的次数  re.search(r'go{2}d'，'good')    - *: 表示前面的元素出现的次数为0次及以上，等价于{0,}    - +: 表示前面的元素出现的次数为1次及以上，等价于{1,}    - ^:以指定的内容开头，或者取反的意思    - $:以指定的内容结尾# 4、 ? 的两种用法    - 规定前面元素出现的次数最多只能出现1次，等价于{,1}    - 将贪婪模式转换为非贪婪模式(重点)` 

re模块的介绍

XM返佣 https://www.fx61.com/brokerlist/xm.html该模块是python中专门用于处理正则的默认，提供了相关的方法

常用方法

• match、search 只查询一次

• finditer 查找到所有的匹配数据放到一个可迭代对象中

• findall 把查找到的所有字符串结果放到一个列表中

• fullmatch 完全匹配，字符串需要满足正则表达式

Match类的使用

调用re.match，re.search或者对re.finditer的遍历返回的对象都是re.Match对象

Match类的属性和方法

• pos、endpos 被查找字符串的起始和终端位置
• span( ) 匹配到的下标位置(元组)
• group 分组的概念

`import re

m = re.search(r'c.*z', 'abcdefgz')print(m.pos)  # 0print(m.endpos)  # 8print(m.span())  # (2, 8)# 使用group获取获取到匹配的字符串print(m.group()) # cdefgz

# group表示正则表达式的分组# 1、在正则表达式里使用()表示一个分组# 2、如果没有分组，默认只有一组# 3、分组的下标从0开始

# 这里有4个分组 m1 = re.search(r'(1.*)(2.*)(3.*4)', 'a1bcd2efgh3ij4k')print(m1.group())  # 默认就是第0组  1bcd2efgh3ij4print(m1.group(0))  # 第0组就是把整个正则表达式当做一个整体  1bcd2efgh3ij4print(m1.group(1))  # 1bcdprint(m1.group(2))  # 2efghprint(m1.group(3))  # 3ij4

#  groups() 将分组以元组的形式返回print(m1.groups())  # ('1bcd', '2efgh', '3ij4')

# (?P 表达式) 给分组取个名字m2 = re.search(r'(?P1.*)(?P2.*)(?P3.*4)', 'a1bcd2efgh3ij4k')print(m2.groupdict())  # {'one': '1bcd', 'two': '2efgh', 'three': '3ij4'}` 

• compile 在re模块，可以使用re.方法调用函数，还可以调用re.compile得到一个对象

`import re

# 这两种写法没有区别m = re.search(r'm.*a', '111m22222a')print(m)  # 

m2 = re.compile(r'm.*a')result = m2.search('111m22222a')print(result) # ` 

正则修饰符

正则修饰符是对表达式进行修饰

• re.I 使匹配对大小写不敏感
• re.M 多行匹配，影响 ^ 和$
• re.S 使 . 匹配包括换行在内的所有字符

`import re

# . 表示除了换行以外的任意字符x = re.search(r'm.*a', 'abcdmonxxxa')print(x)  # None

# re.S 匹配换行y = re.search(r'm.*a', 'abcdmonxxxa', re.S)  # 让 . 匹配换行print(y)

a = re.search(r'x', 'helloXyz')print(a)  # None# re.I 忽略大小写b = re.search(r'x', 'helloXyz', re.I)print(b)  # 

# re.M 让$ 匹配到换行m = re.findall(r'w+$', 'i am boyn you are girln he is man')print(m)  # ['man']n = re.findall(r'w+$', 'i am boyn you are girln he is man', re.M)print(n) # ['boy', 'girl', 'man']` 

正则替换

sub

`import re

# 把数字替换成xm = re.sub(r'd', 'x', 'hello123wor123ld')print(m)  # helloxxxworxxxld

n = re.sub(r'd+', 'x', 'hello123wor123ld')print(n) # helloxworxld

# 需求:将p中内容的数字乘2p = 'hello50good34'def test(x):    y = int(x.group(0))    y *= 2    return str(y)  # 这里只能以字符串的形式返回

print(re.sub(r'd+', test, p)) # hello100good68` 

贪婪模式与非贪婪模式

在正则表达式里，默认采用的是贪婪模式，尽可能匹配多的字符串 在贪婪模式后面添加？，可将贪婪模式转化为非贪婪模式

import re

m = re.search(r'm.*a', 'abcm123a456a')print(m)  # m123a456a,这里为什么不是m123a呢？因为这里默认使用的贪婪模式n = re.search(r'm.*?a', 'abcm123a456a')print(n)  # m123a    使用?将贪婪模式转化为非贪婪模式

# ?print(re.match(r'aa(d+)', 'aa123bb456').group(1))  # 123print(re.match(r'aa(d+?)', 'aa123bb456').group(1))  # 1print(re.match(r'aa(d+?)', 'aa123bb456').group(0))  # aa1

# 虽然说是尽可能少的匹配，但也要满足匹配呀print(re.match(r'aaa(d+)ddd', 'aaa2333ddd').group(0))  # aaa2333dddprint(re.match(r'aaa(d+?)ddd', 'aaa2333ddd').group(1))  # 2333

print(re.match(r'aaa(d+).*', 'aaa2333ddd').group(0))  # aaa2333dddprint(re.match(r'aaa(d+?).*', 'aaa2333ddd').group(1))  # 2

---

- END -