Python

Python 爬虫与正则表达式

Python 正则表达式基础语法及 re 模块常用函数（match、search、compile、sub）

Python 爬虫与正则表达式

正则表达式基础

正则表达式 – 语法 | 菜鸟教程

常用字符说明

字符描述
[ABC]匹配字符串中所有的 A、B、C 字母
[^ABC]匹配字符串中所有的非 A、B、C 字母
[A-Z]表示一个区间，匹配所有大写字母；[a-z] 表示所有小写字母
.匹配除换行符（\n、\r）之外的任何单个字符，等价于 [^\n\r]
\s匹配任何空白字符（空格、制表符、换页符等）；\S 匹配任何非空白字符
^匹配输入字符串的开始位置
$匹配输入字符串的结尾位置
?匹配前面的子表达式零次或一次，或指明非贪婪限定符
*匹配前面的子表达式零次或多次
+匹配前面的子表达式一次或多次
{n,m}m 和 n 均为非负整数，且 n ≤ m。最少匹配 n 次，最多匹配 m 次。例如 "o{1,3}" 将匹配 "fooooood" 中的前三个 o。"o{0,1}" 等价于 "o?"。注意逗号和两数之间不能有空格
( )标记一个子表达式的开始和结束位置，子表达式可以获取供以后使用（如 (?P<函数名>匹配正则)）
贪婪与非贪婪模式在正则表达式中，*、+、? 默认是贪婪的，会尽可能多地匹配内容。例如 "<.*>" 中的 * 会匹配到字符串最后的 >。若要使用非贪婪模式，在限定符后加 ?，如 "<.*?>"

Python 正则表达式

Python 正则表达式 | 菜鸟教程

常用函数

1
2
3
4
5
6

import re

re.match(pattern, string, flags=0)
re.search(pattern, string, flags=0)
# 匹配成功时返回一个匹配对象，否则返回 None。
# 可以使用 group(num) 或 groups() 获取匹配表达式。

re.match 与 re.search 的区别：
re.match 只匹配字符串的开始位置，如果开始位置不符合正则表达式，则匹配失败返回 None；而 re.search 匹配整个字符串，直到找到第一个匹配。

参数说明

参数描述
pattern匹配的正则表达式
string要匹配的字符串
flags标志位，用于控制匹配方式（如是否区分大小写、多行匹配等）

flags 修饰符

修饰符描述
re.I使匹配对大小写不敏感
re.L做本地化识别（locale-aware）匹配
re.M多行匹配，影响 ^ 和 $
re.S使 . 匹配包括换行符在内的所有字符
re.U根据 Unicode 字符集解析字符，影响 \w、\W、\b、\B
re.X允许更灵活的格式，使正则表达式更易于理解

re.compile 函数

compile 函数用于编译正则表达式，生成一个正则表达式（Pattern）对象，供 match() 和 search() 使用。

1

re.compile(pattern[, flags])
  • pattern：字符串形式的正则表达式
  • flags：可选，匹配模式（如忽略大小写、多行模式等）

re.sub 函数

1

re.sub(pattern, repl, string, count=0, flags=0)
  • pattern：正则中的模式字符串
  • repl：替换的字符串，也可为一个函数
  • string：要被查找替换的原始字符串
  • count：模式匹配后替换的最大次数，默认 0 表示替换所有匹配