Python正则表达式详解 _Python

正则表达式是一个很强大的字符串处理工具，几乎任何关于字符串的操作都可以使用正则表达式来完成，作为一个爬虫工作者，每天和字符串打交道，正则表达式更是不可或缺的技能。
正则表达式在不同的语言中使用方式不尽相同，不过只要学会了任意一门语言的正则表达式用法，其他语言中大部分也只是换了个函数的名称而已，本质都是一样的。
注：本文摘自 i 春秋社区（bbs.ichunqiu.com），欢迎更多优秀作者去社区投稿，帮助更多萌新们快速掌握新技能。文章阅读用时约10分钟。

文章插图

原子
原子是正则表达式中最基本的单位，每个正则表达式中至少要包含一个原子。常见的原子类型：

普通字符作为原子
非打印字符作为原子
通用字符作为原子
原子表

普通字符作为原子
演示代码：
import re#引用restring = "shentouyun"#定义整段，普通字符作为原子pat = "yun"#提取yunret = re.search(pat,string)#第一个参数为提取，第二个为整个字段print(ret)#输出输出
<_sre.SRE_Match object; span=(7, 10), match='yun'>非打印字符作为原子
什么是非打印字符，如n,t(换行，制表) ，代表一些操作的字符也可以作为原子
操作代码与小知识
string1 = '''shentouyunnuibi'''pat1 = 'n'ret=re.search(pat1,string1)print(ret)运行后
<_sre.SRE_Match object; span=(10, 11), match='n'>小知识
#在这里解释一个基础，我没有提到过string = '''shentouyunnuibi'''print(string)#这段代码里，其特点为string被三引号包裹，并在代码里实现换行其运行结果shentouyunnuibi#实现了一个n的操作其代码等同于string ="shentouyunnnuibi"print(string)
通用字符作为原子
什么是通用字符？
1. w匹配任意一个字母数字或下划线；
2. W匹配除去字母数字或下划线任意一个字符；
3. d匹配十进制数；
4. D除十进制以外的任意一个字符；
5. s匹配一个空白字符；
6. S除去空白字符。
简单的例子
string1 = "shentouyun3215454biji"pat1 = 'dddd'#匹配四个十进制数ret=re.search(pat1,string1)print(ret)运行后
<_sre.SRE_Match object; span=(10, 14), match='3215'>也可以混合使用
string1 = "shentouyun3215454biji"pat1 = 'wdddd'#匹配一个字母+匹配四个十进制数ret=re.search(pat1,string1)print(ret)运行后
<_sre.SRE_Match object; span=(9, 14), match='n3215'>没有符合格式的，如空白就不会匹配出来，这里不过多的描述，占用空间。
原子表
[ots]任意的提取一个原子出来，直接任意选择一个原子表原子，如下：
string1 = "shentouyun3215454biji"pat1 = "shen[otoasdjojds]ou"ret=re.search(pat1,string1)print(ret)运行后
【Python正则表达式详解】<_sre.SRE_Match object; span=(0, 7), match='shentou'>只从原子表中选择一个原子，其原子表内原子地位平等。
非原子表
符号^ 英文状态下的shift+6
字符串里出现了非原子表，返回None ，其代码如下：
string1 = "shentouyun3215454biji"pat1 = "shen[^tun]ou"#shen后面应该是匹配t结果原子表里出了[tun]三个原子外其他的原子都可以匹配#显然本代码中的原子是无法匹配的ret=re.search(pat1,string1)print(ret)返回如下：
None如果正常运行非原子表外的字符如string1字符串中截取的shen后面是t ，在非原子表上，没有出现t ，则返回shent 。
string1 = "shentouyun3215454biji"pat1 = "shen[^asd]"#为了更加直白我把ou两个字符去掉了ret=re.search(pat1,string1)print(ret)运行后
<_sre.SRE_Match object; span=(0, 5), match='shent'>元字符
特殊含义的字符
所谓的元字符，就是正则表达式中具有一些特殊含义的字符，比如重复N多次前面的字符。