Python 的 re 模块（Regular Expression 正则表达式）提供各种正则表达式的匹配操作。
在文本解析、复杂字符串分析和信息提取时是一个非常有用的工具 ，下面总结了 re 模块的常用方法。
d 匹配所有的十进制数字 0-9
D 匹配所有的非数字，包含下划线
s 匹配所有空白字符（空格、TAB等）
S 匹配所有非空白字符，包含下划线
w 匹配所有字母、汉字、数字 a-z A-Z 0-9
W 匹配所有非字母、汉字、数字，包含下划线
备注：符号.* 贪婪，符号.*? 非贪婪
[abc]：能匹配其中的单个字符
[a-z0-9]：能匹配指定范围的字符，可取反（在最前面加入^）
[2-9] [1-3]：能够做组合匹配
4.{ }：用于标记前面的字符出现的频率，有如下情况：
{n，m}：代表前面字符最少出现n次，最多出现m次
{n，}：代表前面字符最少出现n次，最多不受限制
{，m}：代表前面字符最多出现n次，最少不受限制
{n}：前面的字符必须出现n次
字符串中有反斜杠的，需要对反斜杠做转义
()：分组字符，可以为匹配到的内容分组，快速获取到分组中的数据 在正则里面 "()" 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 "()" 中的内容。
group：用于查看指定分组匹配到的内容
groups：返回一个元组，组内为所有匹配到的内容
groupdict：返回一个字典，包含分组的键值对，需要为分组命名
作用：可以将字符串匹配正则表达式的部分割开并返回一个列表
flags定义包括：
re.I：忽略大小写
re.L：表示特殊字符集 w, W, b, B, s, S 依赖于当前环境
re.M：多行模式
re.S：’.’并且包括换行符在内的任意字符（注意：’.’不包括换行符）
re.U：表示特殊字符集 w, W, b, B, d, D, s, S 依赖于 Unicode 字符属性数据库
在 Python 中使用正则表达式之前，先使用以下命令导入 re 模块
例如：
‘(d)(a)1’ 表示：匹配第一是数字，第二是字符a，第三 1 必须匹配第一个一样的数字重复一次，也就是被引用一次。
如 “9a9” 被匹配，但 “9a8” 不会被匹配，因为第三位的 1 必须是 9 才可以。
‘(d)(a)2’ 表示：匹配第一个是一个数字，第二个是a，第三个 2 必须是第二组（）中匹配一样的。
如 “8aa” 被匹配，但 “8ab”，“7a7” 不会被匹配，第三位必须是第二组字符的复制版，也是就引用第二组正则的匹配内容。
1.第一个参数是正则表达式,这里为"(\w+)\s",如果匹配成功,则返回一个Match,否则返回一个None
2.第二个参数表示要匹配的字符串
3.第三个参数是标致位,用于控制正则表达式的匹配方式,如:是否区分大小写,多行匹配等等。 re.search函数会在字符串内查找模式匹配,只到找到第一个匹配然后返回,如果...
4.第四个参数指替换个数。默认为0,表示每个匹配项都替换。 re.sub还允许使用函数对匹配...
1,正则表达式的一些内容
正则表达式主要是用来匹配文本中需要查找的内容,例如在一片文章中找出电话号码,就中国的来说11位纯数字(不说座机),则使用"\d{11}" 意味匹配数字11次,就能准确的查找出文本中的电话号码. 还有就是在编写网络爬虫的时候需要提取很多超链接再次进行爬取,使用正则表达式就很方便.直接匹配http开头就行,当然也可以使用beautifulsoup的select方法.
看下面的程序看看正则表达提取文本中的邮箱:
\w 匹配字母,数字,下划线
+ 匹配1次或者多次
re是正则表达式的工具包,工具包出错的话在anaconda的命令行输入"pip install re"安装,其他的工具包也是如此.
re.compile()中的r示意\不是转义字符,也就是保持后面字符串原样,findall返回一个列表.下面还有一个版本的程序略有不同.
compile的另一个参数re.IGONORECASE(忽略大小写),还可以是re.DORALL,多行模式,具体功能也是模糊不清,不过在使用通配符 . 匹配的时候加上re.DOTALL参数能够匹配换行.如果希望忽略大小写和多行模式都开启可以使用re.compile(r'....',re.IGNORECASE|re.DOTALL) .
表达式使用( ),对匹配到的内容分为3组 也就是(\w+)出现字母,数字,下划线一次或多次,这个分组就是下面使用match对象的grou()方法的时候的参数.不给参数和参数0都是得到整个匹配到的内容, 参数1得到第一个括号匹配到的内容,以此类推参数2和3,如果没有括号分组的话使用参数会出现错误.
search( )查找和正则式匹配的内容,只匹一次后面的那个找不到.返回一个match对象
\w 匹配字母,数字,下划线
\W 匹配字母,数字.下划线之外的所有字符
\d 匹配数字
\D 匹配非数字
\s 匹配空格,制表符,换行符
\S匹配除空格制表符,换行符之外的其他字符
[ .... ]定义自己的匹配,如[aeiouAEIOU ]匹配所有的元音字母,注意不是匹配单词.
{最少次数,最多次数},例如{3,9} 匹配3-9次,{ ,10}匹配0-10次. 默认为匹配最多次数(贪心匹配),非贪心模式在后面加上问号
? 可选 0次或者1次吧
+匹配1次或多次
*匹配0次或者多次
^ 判断开头 ^\d 如果待匹配串是数字开头则返回第一个数字
$判断结尾 \d$ 如果待匹配串是数字结尾则返回最后一个数字
. 通配符,匹配除换行之外的所有字符
\d{11} 匹配数字11次
. * 匹配所有字符除 换行
[a-zA-Z0-9._%+-] 小写和大写字母、数字、句点、下划线、百分号、加号或短横
[a-zA-Z]{2,4} 匹配字母 2 - 4次
