正则表达式（1）

专栏导读

✍ 作者简介：i阿极，CSDN 数据分析领域优质创作者，专注于分享python数据分析领域知识。

✍ 本文录入于《python网络爬虫实战教学》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《python网络爬虫实战教学》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

1、match

这里首先介绍第一个常用的匹配方法一一—match，向它传人要匹配的字符串以及正则表达式，就可以检测这个正则表达式是否和字符串相匹配。
match方法会尝试从字符串的起始位置开始匹配正则表达式，如果匹配，就返回匹配成功的结果；如果不匹配，就返回None。
实例如下：

import re
content = 'Hello 123 4567 World_This is a Regex Demo'
print(len(content))
result = re.match("^Hello\s\d\d\d\s\d{4}\s\w{10}", content)
print(result)
print(result.group())
print(result.span())

运行结果如下：

41
<re.Match object; span=(0, 25), match='Hello 123 4567 World_This'>
Hello 123 4567 World_This
(0, 25)

这个实例首先声明了一个字符串，其中包含英文字母、空白字符、数字等。接着写了一个正则表达式：
^Hello\s\d\d\d\s\d{4}\s\w{10}
用它来匹配声明的那个长字符串。开头的^表示匹配字符串的开头，也就是以Hello开头；然后\s表示匹配空白字符，用来匹配目标字符串里Hello后面的空格；\d表示匹配数字，3个\d用来匹配123；紧接着的1个\s表示匹配空格；目标字符串的后面还有4567，我们其实依然可以用4个\d来匹配，但是这么写比较烦琐，所以可以用\d后面跟{4}的形式代表匹配4次数字；后面又是1个空白字符，最后\w{10}则表示匹配10个字母及下划线。我们注意到，这里其实并没有把目标字符串匹配完，不过这样依然可以进行匹配，只是匹配结果短一点而已。

在match方法中，第一个参数是传人了正则表达式，第二个参数是传人了要匹配的字符串。将输出结果打印出来，可以看到结果是SRE_Match对象，证明匹配成功。
该对象包含两个方法：

group方法可以输出匹配到的内容，结果是Hello 123 4567 World_This，这恰好是正则表达式按照规
则匹配的内容；
span方法可以输出匹配的范围，结果是（0，25)，这是匹配到的结果字符串在原字符串中的位置范围。

通过上面的例子，我们基本了解了如何在Python中使用正则表达式来匹配一段文字。

2、匹配目标

用match方法可以实现匹配，如果想从字符串中提取一部分内容，该怎么办呢？就像上一节的实例一样，从一段文本中提取出E-mail地址或电话号码。

可以使用括号（）将想提取的子字符串括起来。（）实际上标记了一个子表达式的开始和结束位置，被标记的每个子表达式依次对应每个分组，调用group方法传入分组的索引即可获取提取结果。

实例如下：

import re
content = 'Hello 1234567 World_This is a Regex Demo'
result= re.match('^Hello\s(\d+)\sWorld',content)
print(result)
print(result.group())
print(result.group(1))
print(result.span())

运行结果如下：

<re.Match object; span=(0, 19), match='Hello 1234567 World'>
Hello 1234567 World
1234567
(0, 19)

可以看到，我们成功得到了1234567。这里用的是group(1)，它与group(）有所不同，后者会输出完整的匹配结果，前者会输出第一个被（）包围的匹配结果。假如正则表达式后面还有用（）包围的内容，那么可以依次用group(2)、group(3）等获取。

3、通用匹配

刚才我们写的正则表达式其实比较复杂，只要出现空白字符就需要写Is匹配，出现数字就需要写\d匹配，这样的工作量非常大。其实完全没必要这么做，因为还有一个万能匹配可以用，就是.*。
其中，可以匹配任意字符（除换行符），*代表匹配前面的字符无限次，所以它们组合在一起就可以匹配任意字符了。有了它，我们就不用个字符进行匹配了。

接着上面的例子，我们利用.*改写一下正则表达式：

import re
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match("^Hello.*Demo$", content)  
print(result)
print(result.group())
print(result.span())

这里我们直接省略中间部分，全部用，*来代替，并在最后加一个结尾字符串。

运行结果如下：

<re.Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
Hello 123 4567 World_This is a Regex Demo
(0, 41)

可以看到，group方法输出了匹配的全部字符串，也就是说我们写的正则表达式匹配到了目标字符串的全部内容；span方法输出（0，41)，这是整个字符串的长度。

因此，使用.*能够简化正则表达式的书写。

4、常用匹配规则表格

📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗