目录

一.正则表达式介绍

1.正则表达式的应用场景

2.正则表达式的本质

3.正则表达式的优势

4.匹配字符串

①match()函数

②search()函数

③findall()函数

5.正则表达式

①表示字符范围

②表示字符出现的次数

③表示同一类字符

6.贪婪模式和非贪婪模式

7.或和组

8.sub()方法和compile方法

①sub(参数一，参数二，参数三）方法

②compile()方法

---

一.正则表达式介绍

1.正则表达式的应用场景

正则表达式在爬虫技术中使用较多，而爬虫技术是为人工智能服务的，主要用于从网页中获取数据。
学习爬虫需要掌握正则表达式，因为它是处理字符串数据的重要工具。

Python 中通过 re 库实现正则表达式功能，需先导入库。

2.正则表达式的本质

正则表达式是一种表达式语句，类似于数值操作中的表达式（如 A + B - 3）。
它的主要作用是对字符串类型的数据进行操作，例如从字符串中筛选出满足特定条件的信息。
正则表达式能够更高效地处理复杂的数据提取需求，尤其是面对网页中千奇百怪的数据格式时。

3.正则表达式的优势

相比传统方法，正则表达式能够简化复杂信息的提取过程，适用于更广泛的数据处理场景。

4.匹配字符串

匹配字符串表示从字符串中筛选出满足条件（特殊的表达式）的信息，介绍三种方法，分别是re库中的match()函数，search()函数和findall()函数

①match()函数

match(参数一，参数二)

功能：从参数一字符串起始位置匹配参数二指定规则，若匹配成功返回结果，否则返回 None。

import re
message = "张三李四王五赵六"
result = re.match("张三", message)  # 匹配成功，返回张三及位置（0-2）

特点：
必须从字符串开头匹配，否则失败（如 re.match("三", message) 返回 None）。

②search()函数

功能：在参数一字符串中搜索第一个满足参数二规则的子串，不要求从起始位置匹配，只返回第一个匹配成功的

result = re.search("王五", message)  # 返回第一个"王五"及位置(4,6)

特点：
仅返回第一个匹配结果，支持任意位置匹配。

③findall()函数

功能：：在参数一字符串中搜索满足参数二规则的子串，不要求从起始位置匹配，可以返回多个成功匹配的信息

import re
message = '张三,李四,王五,赵六,王五'
result=re.findall('王五',message)
print(result)#['王五','王五']

findall（）并不返回匹配的位置，只返回匹配的全部内容

5.正则表达式

①表示字符范围

[xyz]:字符集合，匹配所包含的任意一个字符，例如[abc]可以匹配plain中的a

[a-z]:字符范围，匹配范围内的任意字符，例如[a-z]可以匹配a到z范围的任意小写字母

②表示字符出现的次数

星号 *：匹配前导子表达式零次或多次（如 ZO* 可匹配 Z、ZO、ZOO）

加号 +：匹配前导子表达式一次或多次（如 [a-z]+[0-9] 要求字母至少出现一次）。

问号 ?：匹配前导子表达式零次或一次（如 [a-z]?[0-9] 允许字母出现零次或一次）。

尖号 ^：匹配行首（如 ^1 确保手机号以 1 开头）。

美元符 $：匹配行尾（如 [0-9]{10}$ 确保结尾为 10 位数字）。

花括号{n}:匹配n次，例如，“o{2}”不能匹配“Bob"中的o,但是能匹配到”food“中的oo

{n,}:至少匹配n次

{n,m}:最少匹配n次，最多匹配m次

例如：验证手机号码，：手机号匹配规则需以 $ 结尾，若未严格限定行尾匹配，可能导致验证失败。

import re
a=input("请输入你的手机号码：")
result=re.findall('^1[0-9]{10}$',a)
print(result)

网站用户由字母（大小写都可），数字和下划线组成，数字不能开头，用户长度大于8，

import re
a=input("请输入你的用户名：")
result=re.findall('^[a-zA-z_][a-zA-z0-9_]{7,}$',a)
print(result)

③表示同一类字符

1.特殊字符匹配

 \d:   匹配一个数字字符，（等价于[0-9]）

\D：匹配一个非数字字符（等价于[^0-9]）

\s：匹配任何不可见字符（如空格、制表符、换页符等）。

\S: 匹配任何可见字符

\w：匹配包括下划线的任何单词字符（包括字母、数字、下划线），等价于（[a-zA-z0-9_]）

 \W: 匹配不包括下划线非单词字符，等价于（[^a-zA-z0-9_]）

. :匹配除了”\n“和”\r“之外的任何单个字符

2.边界与符号匹配

\B：匹配非单词边界（如单词中间部分）。

\b：匹配单词边界（如空格分隔的单词边缘）。

\f、\n、\r、\t、\v：分别匹配换页符、换行符、回车符、制表符、垂直制表符。

3.重复匹配

+：匹配前一个子表达式一次或多次（贪婪模式）。

?：将匹配模式转为非贪婪模式（匹配最少字符）。

6.贪婪模式和非贪婪模式

贪婪模式和非贪婪模式就是指是否匹配更多内容，默认都是贪婪模式

贪婪模式（默认）：\d+ 匹配尽可能多的数字（如cc771中的771）。

非贪婪模式：\d+? 匹配最少数字（如cc771中的7）。

7.或和组

或（|）：匹配多个条件之一，如(\w+EV|\w+RY) 筛选以EV或RY结尾的单词。
组（()）：将表达式分组并保存匹配内容，如(.\+) 匹配任意字符序列并存储。可以使用组的形式获取组中的内容

import re 
message='verb very never every'
result=re.findall('e(.+)(.)r',message)
print(result) 
#[('rb very never ev', 'e')]

8.sub()方法和compile方法

①sub(参数一，参数二，参数三）方法

包含三个参数，将参数三中所有匹配参数一的字符替换为参数二

②compile()方法

创建一个正则表达式对象，可直接调用对象方法（如 findall）操作字符串。与直接使用 re 模块功能类似，区别在于对象化调用。