Python基础教程之正则表达式基本语法以及re模块

正则表达式是一种强大的工具，可以用于匹配、查找和替换文本中的模式。Python中，re模块提供一系列函数来操作正则表达式。本攻略将详细讲解正则表达式的基本语法、常用符号以及re模块的常用方法，包括search()、match()、findall()、sub()。

正则表达式基本语法

正则表达式由普通字符和特殊字符组成。普通字符包括大小写字母、数字和一些标点符号，特殊字符包括元字符和转义字符。

元字符是正则表达式中具有特殊含义的字符，包括：

• .：配任意字符，除换行符。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• `^：匹配字符串的开头。
• $：匹配字符串的结尾。
• []：匹配括号中的任意一个字符。
• ()：将括号中的字符作为一个整体进行匹配。
• |：匹配两个或多个正则表达式中任一个。

转义字符用于将特殊字符转义为普通字符，包括\、\d、\s、\w等。

下面是一个例子，演示如何使用正则表达式匹配字符串中的数字：

import re

text = 'The price is $1099.'
pattern = r'\d+'
result = re.findall(pattern, text)
if result:
    print('Matches found:', result)
else:
    print('Matches not found')

在上面的代码中，我们使用正则表达式\d+匹配字符串中的数字。\d表示匹配一个数字字符，+表示匹配一个或多个。findall()函数返回匹配的结果。运行代码后，输出结果为Matches found: ['1099']。

re模块常用方法

re模块提供了一系列函数来操作正则表达式，包括：

• re.search(pattern, string, flags=0)：在字符串中搜索正则表达式第一个匹配项。
• re.match(pattern, string, flags=0)：在字符串的开头匹配正则表达式。
• re.findall(pattern, string, flags=0)：在字符串中查找正则表达式的所有匹配项。
• re.sub(pattern, repl, string, count=0, flags=0)：在字符串中搜索正则表达式的所有匹配项，并将其替换为指定的字符串。

其中，pattern表示正则表达式，string表示匹配字符串，flags表示正则表达式的匹配模式。

下面是一个例子，演示如何使用re.search()函数搜索字符串中的正则表达式：

import re

text = 'The quick brown fox jumps over the lazy dog.'
pattern = r'fox'
result = re.search(pattern, text)
if result:
    print('Match found:', result.group())
else:
    print('Match not found')

在上面的代码中，我们使用正则表达式fox匹配字符串中的fox。search()用于在字符串中搜索正则表达式的第一个匹配项。运行代码后，结果为Match found: fox。

示例1：匹配HTML标签中的文本内容

下面是一个例子，演示如何使用正则表达式匹配HTML标签中的文本内容：

import re

text = '<h1>Welcome to website</h1>'
pattern = r'<.*?>(.*?)</.*?>'
result = re.search(pattern, text)
if result:
    print('Match found:', result.group(1))
else:
    print('Match not found')

在上面的代码中，我们使用正则表达式<.*?>(.*?)<!--.*?-->匹配HTML标签中文本内容。<.*?>表示匹配一个或多个任意字符，.*?表示非贪婪匹配，()中的.*?匹配到的字符串作为捕获组。search()用于在字符串中搜索正表达式的第一个匹配项。运行代码，输出结果为`Match found: Welcome to my website。

示例2：提取网页中的图片链接

下面是另一个例子，演示如何使用正则表达式提取网页中的图片链接：

import re
import requests

url = 'https://www.example.com'
response = requests.get(url)
html = response.text
pattern = r'<img.*?src="(.*?)".*?>'
result = re.findall(pattern, html)
if result:
    print('Matches found:', result)
else:
    print('Matches not found')

在上面的代码中，我们使用正则表达式<img.*?src="(.*?)".*?>匹配网页中的图片链接。<img.*?>表示匹配img标签，src="(.*?表示匹配src属性中的链接，()表示匹配到的链接作为捕获组findall()函数返回所有匹配的结果。运行后，输出结果为匹配到的图片链接列表。

以上是Python基础教程之正则表达式基本语法以及re模块的常用方法。正则表达式是Python爬虫中常用的具，读者可以通过这些示例更好地理解正则表达式的应用。