正則表示式是一個特殊的字元序列，它能幫助使用者便捷地檢索一個字串是否與某種模式匹配。在爬蟲中我們經常會使用它來抓取到網頁原始碼或介面返回內容中匹配提取我們想要的資料。

Python自1.5增加了re模組，它提供Perl風格的正則表示式模式。re模組使Python語言擁有全部正則表示式的功能。

re模組也提供了與這些方法功能完全一致的函式，這些函式使用一個模式字串作為它們的第一個引數。本文主要介紹Python中常用的正則表示式處理函式。目錄如下：

1. re.match函式
2. re.search函式
3. re.match函式與re.search的區別
4. 檢索和替換
5. re.complile函式
6. findall函式

1. re.match 函式

re.match嘗試從字串的起始位置匹配一個模式，如果不是起始位置匹配成功，那麼match()就返回None。re.match的語法格式如下：

re.match(pattern , string , flags=0)

引數說明如下表：

匹配成功re.match返回一個匹配物件，否則返回None。還可以使用group(num)或groups匹配物件函式來獲取匹配表示式。

瞭解了以上內容，下面來一個示例程式碼：

1 import re
2 
3 print(re.match('www','www.baidu.com').span())   # 在起始位置匹配
4 print(re.match('com','www.baidu.com'))   # 不在起始位置匹配

執行後控制檯會輸出：

(0, 3)
None

獲取匹配表示式示例程式碼如下：

 1 import re
 2 
 3 line="Cats are smarter than dogs"
 4 matchObj= re.match(r'(.*).are.(.*?).*',line);
 5 
 6 if matchObj:
 7     print("matachObj.group()",matchObj.group())
 8     print("matachObj.group(1)",matchObj.group(1))
 9     print("matachObj.group(2)",matchObj.group(2))
10 else:
11     print("No match!")

執行後控制檯會輸出：

matachObj.group() Cats are smarter than dogs
matachObj.group(1) Cats
matachObj.group(2) 

2. re.search 函式

re.search用於掃描整個字串並返回第一個成功的匹配。re.search的語法如下：

re.search(pattern , string ,flagx=0)

re.search有3個引數，作用與re.match一一致。需要注意的是flags引數可寫可不寫，因為它的底層給了預設值。

示例程式碼如下：

1 import re
2 
3 print(re.search('www','www.baidu.com').span())   # 在起始位置匹配
4 print(re.search('com','www.baidu.com').span())   # 不在起始位置匹配

執行後控制檯會輸出：

(0, 3)
(10, 13)

可以看到，匹配成功了，它會返回一個元組，該元組包含內容的開始位置和結束位置。

3. re.match 與re.search的區別

re.match只匹配字串的開始，如果字串開始不符合正則表示式，則匹配失敗，函式返回None;而re.search匹配整個字串，知道找到一個匹配。

示例程式碼如下：

 1 import re
 2 
 3 line="Cats are smarter than dogs"
 4 
 5 
 6 # match匹配
 7 matchObj= re.match(r'dogs',line);
 8 if matchObj:
 9     print("match-->matchObj.group()",matchObj.group())
10 else:
11     print("No match!")
12 
13 # search匹配
14 matchObj= re.search(r'dogs',line);
15 if matchObj:
16     print("search-->matchObj.group():",matchObj.group())
17 else:
18     print("No match!")

執行後控制檯會輸出：

No match!
search-->matchObj.group(): dogs

4. 檢索和替換

當需要替換某段文字的某些內容時，例如：“等忙完這一陣，就可以接著忙下一陣了”。這裡想把“忙”字替換成“過”該如何解決？re中提供了模組re.sub可以用於替換字串中的匹配項。語法格式如下：

re.sub(pattern,repl,count=0 , flags=0)

re.sub的幾個引數說明如下：

示例程式碼如下：

1 import re
2 
3 st = "等忙完這一陣，就可以接著忙下一陣了。"
4 
5 # 替換其中的“忙”字
6 new_str = re.sub(r'忙',"過",st)
7 print("替換後的句子：",new_str) # 替換後的句子： 等過完這一陣，就可以接著過下一陣了。

5. re.complile函式

re.complile用於編譯表示式，生成一個正則表示式{patter}物件，供match()和search()函式使用，re.complile函式語法格式如下：

re.compile(pattern,flags)

引數說明如下：

• patterern ： 一個字串形式的正則表示式
• flags: 可選引數，表示匹配模式，如忽略大小寫、多行模式等。具體引數如下：

下面我們來看一個示例：

 1 import re
 2 
 3 pattern = re.compile(r'\d+')    # 用於匹配至少一個數字
 4 m1 = pattern.match('one12wothree34hour')    # 查詢頭部，沒有匹配
 5 m2 = pattern.match('one12wothree34hour',2,10)    # 從'e'的位置開始匹配，沒有匹配
 6 m3 = pattern.match('one12wothree34hour',3,10)    # 從1的位置開始匹配，正好匹配
 7 
 8 print(m1)
 9 print(m2)
10 print(m3)
11 print(m3.group(0))
12 print(m3.start(0))
13 print(m3.end(0))
14 print(m3.span(0))

執行結果如下圖：

在來一個示例：

 1 import re
 2 
 3 pattern = re.compile(r'([a-z]+)([a-z]+)',re.I)  # re.l表示忽略大小寫
 4 m = pattern.match('Hello World Wide Web')
 5 
 6 print(m)
 7 print(m.group(0))   # 返回匹配成功的子串
 8 print(m.span(0))    # 返回匹配成功的整個子串的索引
 9 print(m.group(1))   # 返回第一個分組匹配成功的子串
10 print(m.span(1))    # 返回第一個分組匹配成功的子串的索引
11 print(m.group(2))   # 返回第二個分組匹配成功的子串
12 print(m.span(2))    # 返回第二個分組匹配成功的子串的索引
13 print(m.groups())   # 等價於（m.group(1),m.group(2),……）
14 print(m.group(3))   # 不存在第三個分組

執行結果如下圖：

6.findall 函式

finnal用於在字串中找到正則表示式所匹配的子串，並返回一個列表，如果沒有找到匹配的，則返回空列表。findall的語法如下：

findall(string,pos[,endpos])

引數說明如下：

• string ： 待匹配的字串。
• pos 可選引數，指定字串的起始位置，預設為0。
  • 　　endpos ： 可選引數，指定字串的結束位置，預設為字串長度

接下來，我們來查詢字串中的所有數字。

1 import re
2 
3 pattern = re.compile(r'\d+')    # 查詢數字
4 result1 = pattern.findall('runoob 123 google 456')
5 result2 = pattern.findall('run88oob123google456',0 ,10)
6 
7 print(result1)
8 print(result2)

執行結果如下：

['123', '456']
['88', '12']