tips：常用的匹配字符放在最后。本文重点写五种匹配方法的区别。
1.使用区别：
search
使用re.search是知道你需要的是什么，在偌大的文本里面找到这一个东西，你必须已知这个东西的唯一特点。并且只能返回符合条件的第一个值，因此要求你提供的特点必须保证唯一性，否则返回的第一个值不一定是自己需要的。
返回的值是一个match类型，需要用group提取内容。
match
和search差不多，不过作用条件更为苛刻，只能作用在字符串开头，其他情况返回None
findall
re.findall是返回所有满足条件的列表，一般用于爬虫等需要大量相似数据的情况，你需要知道这一系列东西的共性，找寻条件要比search简单，并且适用范围更大。个人更喜欢这种方法。
split
返回在每次匹配时拆分字符串的列表，实例中直观说明。（获取信息匹配时一般用不到，一般用在input中获取输入信息拆分为列表或是用在长列表的拆分。）
sub
用字符串替换一个或多个匹配项，多一个repl参数，即replace（替代）。
pattern用于匹配字符，replace用于替代这个匹配字符，他们长度可以不一样。
（获取信息匹配时一般用不到，一般用于全局替换某个内容，修改数据。）
************************************************************************************************
2.实例
这个东西要想理解还是通过例子比较合适。
同一个文本，我们用五种方式匹配：（匹配方式是匹配两个相邻的数字）
1.search（找到第一个）
import re
txt ="Ca 45 wad 65 123 3 wsf s 1 s"
x = re.search(pattern=r'\d{2}', string=txt)
print(x)
这里返回的match类型就可以依次看出匹配类型，匹配内容的所在位置（span）和匹配内容。
tips：需要提取值的话这样写：
x = re.search(pattern=r'\d{2}', string=txt).group()
2.match（在开头找）
import re
txt ="Ca 45 wad 65 123 3 wsf s 1 s"
x = re.match(pattern=r'\d{2}', string=txt)
print(x)
这里虽然有匹配项但是不在开头，因此返回为None
tips：search和match的共同特殊参数：span：返回匹配到字符的开始到结束的范围。eg：（0,2）
表示第0个位置到第1个位置，也就是第一个字符到第二个字符。也就是说匹配到的字符的位置为字符串的第一个字符和第二个字符。
3.findall（找到所有）
import re
txt ="Ca 45 wad 65 123 3 wsf s 1 s"
x = re.findall(pattern=r'\d{2}', string=txt)
print(x)
从左到右依次匹配，匹配成功过的字符不再进行二次匹配，例如上txt的‘123’字符串，只会匹配到‘12’。
4.split（拆分）
import re
txt ="Ca 45 wad 56 123 3 wsf s 1 s"
x = re.split(pattern=r'\d{2}', string=txt)
print(x)
我的匹配是两个相邻的数字，split的意思就是将我的这个匹配方式作为分割点，把其他的字符串作为列表输出。就像这样：
Ca 45 wad 56 123 3 wsf s 1 s
返回了4个字符串作为一个列表。即上文本黄色的标识部分。其中红色部分为分割点。
tips：maxsplit参数可以指定分割次数，返回的列表的字符串数目为分割次数+1。
5.sub（替换）
import re
txt ="Ca 45 wad 56 123 3 wsf s 1 s"
x = re.sub(pattern=r'\d{2}',repl='000',string=txt)
print(x)
tips：count参数可以控制替换的次数。
3.正则表达式基本使用方法
常用的：
******************************************************************************************************
额外的：
\d：匹配一个数字。
\w：匹配一个字母或数字或下划线。
集合：例子: [abc]：匹配a或b或c。
重复：用{}表示，{3}表示重复3次这样的匹配。
[1-9]{3}：匹配1-9的数字并且重复3次.（即找到所有百位的数）
[19]{3}:匹配1或者9重复3次的数字，eg：119,911,111,999
捕获：用()表示，捕获小括号之中的字符，小括号外写匹配的特点。在下文贪婪匹配可以理解。
****************************************************************************************************
*因此，上实例的findall中，\d{2}表示匹配两个数字。
含有\的匹配内容前一般加个r，表示不要把‘\’理解成转义字符，而当做匹配的特殊字符。
改变txt为"12 Ca 45 wad 56 123 3 wsf s 1 s"
如果写成\d则会有这样的结果：
如果写成\w则会：
***集合的组合：
import re
txt ="12 Ca 45 wad 56 123 3 wsf s 1 s4454545"
x = re.findall(pattern=r'[45]{2}',string=txt)
print(x)
即匹配4或者5出现两次的数字，匹配方式如下：
12 Ca 45 wad 56 123 3 wsf s 1 s4454545
**如果重复次数为多选，那么会优先匹配重复次数多的项：
import re
txt ="12 Ca 45 wad 56 123 3 wsf s 1 s4454545"
x = re.findall(pattern=r'[45]{2,3}',string=txt)
print(x)
匹配方式如下:
12 Ca 45 wad 56 123 3 wsf s 1 s4454545
***非贪婪匹配与贪婪匹配：
字如其名，非贪婪就是最小的匹配项，贪婪就是最大的匹配项。
【假设我需要匹配：从某个字符开头从另一个字符结束的一个片段。】
1.非贪婪匹配(.*?)：
tips：这里利用到了捕获，如果不用捕获，匹配内容则会包含12和45。
import re
txt ="12 Ca 45 wad 56 123 3 wsf s 1 s4544545"
x = re.findall(pattern=r'12(.*?)45',string=txt)
print(x)
匹配方式（其中紫色为匹配项，红色为匹配前后条件）：
12 Ca 45 wad 56 123 3 wsf s 1 s4544545
2.贪婪匹配(.*)：
若将(.*?)改为(.*)
匹配方式：
12 Ca 45 wad 56 123 3 wsf s 1 s4544545
匹配特定内容实例：
例如我需要找到众多邮箱中的网易邮箱，那么它的特点就是@163.com，我还需要给他一个开头的起始位置避免他获取了上一行的内容，例如我可以给一个字母m，即上一行的最末尾。我还需要给他一个结尾，避免他获取下一行的内容，例如我可以给一个.com，但是这里每一个的结尾都是com，因此我想到用非贪婪匹配，匹配最小项，那么只会匹配到一个邮箱完整的内容。代码如下。
import re
txt =("xu3843483408@qq.com"
"15548208@163.com"
"6849656@qq.com"
"xfa687465469@163.com")
x = re.findall(pattern=r'm(.*?@163.com)',string=txt)
print(x)
emmm关于正则表达式大致内容如上，上述列举了大部分情况可以解决问题的正则表达式使用方法。我一般都用findall结合捕获和非贪婪匹配用于爬虫或者用sub进行文本替换。其他的我也不怎么用，有时间可以多看看但是没必要学的太精。
参考阅读
您阅读本篇文章共花了：
发表评论