初識Python正規表示式（9課連發）
本文由屋友彭東成投稿。
=======================
第一課
首先跟大家簡單嘮叨兩句為什麼要學習正規表示式，為什麼在網路爬蟲的時候離不開正規表示式。正規表示式在處理字串的時候扮演著非常重要的角色，在網路爬蟲的時候也十分常用，大家可以把它學的簡單一些，但是不能不學。
儘管網路爬蟲相關庫給我們提供了豐富的庫如css、bs4、lxml等等，讓我們可以通過選擇器去匹配字串，但是在HTML中資料往往存在標籤之中。通過選擇器確實可以匹配到標籤的內容，但是有時候標籤中存在的許多內容是冗餘的，而我們只需要匹配其中部分內容即可（如匹配數字、時間等），如下圖所示。通過選擇器，我們一般可以獲取到“782好笑”這個字串，但是我們只需要“782”這個數字的話，此時正規表示式就要派上用場了。
正規表示式可以幫我們判斷某個字串是否符合某一個模式，其次正規表示式可以幫我們提取某個字串中的重要部分，做子字串的提取。今天簡單的給大家講解幾個正規表示式的特殊字元—— “^”、“.”、“*”，並且用例項進行演示，讓大家對正規表示式有個初步的瞭解。
本文用的Python是3版本，開發環境用的是pycharm，首先在本地新建一個demo.py檔案，接下來開始進行演示。
1、正規表示式在Python中有個專門的庫叫re模組，首先進行匯入模組。再定義一個字串str，然後定義一個正規表示式匹配規則regex。
2、“^d”代表的意思是以d元素開頭的任意一個字串，也就是說只要是以d開頭的字串，後面的元素不論是什麼，都是符合規則的，總之必須要以d開頭。
3、“.” 較為常用，其代表的意思是任意字元，其表示的範圍非常廣，可以接任意字元，不論是中英文，還是下劃線之類的特殊字元，都是可以代表的。舉個例子，正規表示式“^d.”就是代表以d開頭的字串，b後邊接任意字元都可以。
4、“*” 也十分常用，其代表的意思是前面的字元可以重複任意多遍，可以是0次，1次，2次等任意多次。
5、瞭解好這幾個特殊字元的用法之後，接下來通過程式碼簡單的感受一下。如下圖所示，如果匹配成功，則返回yes；如果沒有匹配成功，則不返回任何東西。
可以看到程式執行之後，返回的結果為yes，說明匹配成功。正規表示式“^d.*”代表的意思是以d開頭的字串，後面跟著任意字元，出現任意多遍。顯然，通過匹配可以得知該正規表示式匹配的結果和原始字串一致，之後if判斷返回值為true，所以列印出結果為yes。
6、為了進一步驗證這個模式是否正確，我們將b改為a，其代表的意思該模式下的字串是否以a開頭的。之後再次執行程式，如下圖所示。
此時可以看到無任何輸出，說明特殊字元“^”起到了作用。
=========================
第二課
今天繼續給大家分享Python正規表示式相關特殊字元知識點。
1、特殊字元“$”代表的意思是結尾字元。舉個例子，正規表示式“3$”，表示匹配以3為結尾的字串。程式碼演示如下圖所示。
正規表示式匹配模式“.*3$”代表以3結尾的任意字元的字串，很顯然匹配的結果和原始字串是一致的，所以有返回結果。
2、如果將正規表示式匹配模式改為“.*4$”，則表示以4結尾的任意字元的字串，此時是沒有任何的輸出結果的，如下圖所示。
3、正規表示式特殊字元“?”比較常用，其代表的意思是非貪婪匹配模式。預設情況下，匹配字串是一種貪婪的匹配，換句話說，預設情況下字串會根據匹配模式，去匹配最大的長度。
4、下圖是一個例項。其中括號代表的是提取字串的子串，正規表示式會把滿足匹配條件的字串放到括號裡邊。匹配模式“.*(p.*p).*”代表的意思是：左邊的“.* ”的意思是任意字串，可以是空，也可以是非空的字串，之後是字元p，中間的“.* ” 的意思也是任意字串，之後再是一個p，爾後右邊的“.* ” 的意思也是任意字串。目前的邏輯就是將兩個p中間的字串連同p一塊取出。
但是其輸出的結果卻為“pp”，並不是我們想要的“pccccccccccp”結果。原因是正規表示式的貪婪匹配所致，實際上它是反向匹配的，所以從字串來看，匹配到的結果是“pp”。
5、如果我們使用非貪婪模式，即將匹配模式“.*(p.*p).*”改為模式“.*?(p.*p).*”，在第一“p”之前加個特殊字元“?”，則執行的結果就如下圖所示。
可以看到匹配模式已經開始從左邊開始進行匹配，答案趨向於我們想要的結果。但是在後面卻出現了兩個p。原因是後面的那個p未指定其為非貪婪模式，所以後面的那個p仍然是從右邊開始反向取值的。
6、接下來，我們繼續使用非貪婪模式，即將匹配模式“.*(p.*p).*”改為模式“.*?(p.*?p).*”，在第二“p”之前也加個特殊字元“?”，則執行的結果就如下圖所示。
此時可以看到匹配的結果就是我們想要的結果了，原因是此時兩個p均採用了非貪婪模式，所以匹配模式，從左到右順序進行。
7、理解非貪婪模式之後，對於正規表示式的匹配就很好理解了，如下圖的結果將返回“pcccp”，非貪婪模式下。
8、下圖的結果將返回“pcccpcccccccpppp”，非貪婪模式和貪婪模式共存的情況下。
非貪婪模式在網路爬蟲的過程中對於字串的提取非常重要，務必要理解和掌握。
==============
第三課
今天繼續給大家分享Python正規表示式基礎。
1、正規表示式特殊字元“+”，其代表的意思“+”號前面的任意字元必須至少出現一次，才能匹配成功。如下圖所示，如果沒有加特殊字元“+”，則按照前面介紹的貪婪模式從右邊進行匹配，輸出的結果為“pp”。
2、現在將匹配模式由之前的“.*(p.*p).*”改為“.*(p.+p).*”，即將特殊字元“*”改為特殊字元“+”，用特殊字元“+”來限定前面的字元出現的次數，至少出現一次。執行程式，得到的結果為“ppp”，如下圖所示。
簡單的來理解一下，首先貪婪模式不在贅述，然後匹配到第一個字元p，之後碰到特殊字元“+”，表示匹配任意字元，但該字元至少出現一次，然後再匹配到第二個字元p，才會提取到匹配的字串。
3、再次來感受一下，將之前的三個ppp改為現在的php，之後再執行程式，如下圖所示，得到的結果是php。
4、如果將之前的三個ppp改為現在的phhp，會有什麼樣的結果呢？如下圖所示，毋庸置疑，答案肯定是phhp。
因為特殊字元“+”號表示只要任意字元至少出現一次，都會被提取出來。
5、簡單的來總結一下，特殊字元“*”和特殊字元“+”都是用來表示字元出現次數的限定詞，用於限定前面的任意字元出現的次數。不同的地方在於特殊字元“*”模式下，字元出現的次數可以是0次或者任意多次，而特殊字元“+”模式下，字元出現的次數至少是1次。
=====================
第四課
今天繼續給大家分享Python正規表示式基礎知識，主要給大家介紹一下特殊字元“{}”的用法。
特殊字元“{}”實質上也是一個限定詞的用法，其限定前面字元所出現的次數，其常用的模式有三種，分別是“{數字}”、“{數字,}”和“{數字1, 數字2}”。舉個例子，如“{1}”、“{1,}”和“{1, 3}”。到這裡可能大家還不是很清楚，下面依次通過例項來演示一下，加深對特殊字元“{}”的理解。
1、如下圖所示，限定字元p前面的字元出現1次，則根據貪婪匹配模式，pap成功匹配到。
2、如果將匹配模式更改為“.*(p.{2}p).*”，則無任何的輸出，如下圖所示，因為此時並沒有任何的字字串符合匹配條件。
3、相應的，我們將原始字串做一下更改，如下圖所示，此時“.*(p.{2}p).*”匹配模式有對應的結果，如下圖所示。
4、特殊字元“{1,}”代表的是前面的字元出現1次及以上；特殊字元“{2,}”代表的是前面的字元出現2次及以上；特殊字元“{3,}”代表的是前面的字元出現3次及以上；以此類推。舉個例子，如下圖所示。
我們要匹配出現p字元前面出現3次及以上的次數，此時子字串phhhhp被提取出來，但是pap和paap都沒有提取到，因為其不滿足匹配條件。
5、特殊字元“{1, 3}” 代表的是前面的字元至少出現1次，最多出現3次；特殊字元“{2, 5}” 代表的是前面的字元至少出現2次，最多出現5次；以此類推。舉個例子，如下圖所示。
當使用特殊字元“{1, 3}”的時候，如下圖所示：
貪婪模式下，字串從右邊開始往左取，首先遇到相對滿足條件的子字串是phhhhp，但是並不符合規則，因為該子字串出現的次數為4次，而限定條件為1次到3次，所以這個子字串不符合匹配條件，爾後繼續往前匹配，得到匹配結果paap，滿足匹配條件。
6、同理，當使用特殊字元“{3, 5}”的時候，如下圖所示：
根據上一步的分析可以得知，該匹配結果為phhhhp。
==================
第五課
今天要給大家的講的特殊字元是豎線“|”。豎線“|”實質上是一個或的關係。
1、直接上程式碼演示，比方說我們需要匹配一個字串“dcpeng123”，匹配模式為 “(dcpeng|dcpeng123)”，記得匹配模式中要有括號，否則後面的group方法會報錯。
如上圖所示，匹配模式“(dcpeng|dcpeng123)”的意思是隻要匹配“dcpeng”或者“dcpeng123”中的任意一個，就說明提取成功。“|”實質上是一個“或”的關係，匹配的結果為“dcpeng”可以滿足匹配條件，匹配的結果為“dcpeng123”也可以滿足匹配條件。所以在這裡，正規表示式首先匹配了字串“dcpeng”，所以列印出來的結果就是“dcpeng”。
2、當我們把匹配模式中兩個字串的順序調整一下，如下圖所示。
根據第一步的分析步驟，其匹配結果為“dcpeng123”，在此就不再贅述了。
3、如果我們將原始字串做一下更改，更改為“dcpeng”，而保持匹配模式不變，如下圖所示。
此時的匹配結果為“dcpeng”。原因是匹配模式首先是“dcpeng123”，與原始字串匹配不上，之後通過特殊字元“|”再定位到“dcpeng”，發現可以與原始字串匹配上，所以匹配成功，輸出匹配結果。
4、如果我們只是想匹配字串中的一部分，那應該如何做呢？如下圖所示，只需要將匹配模式用括號括起來就可以了，而括號外面的部分保持與原始字串一致即可。
此時可以看到輸出的結果為“dcpeng”。這裡容易犯錯，很多小夥伴很可能以為結果是“dcpeng123”，只需要記住我們匹配的內容只是在括號中，外邊的世界與我們無關。
同樣的，如果我們將原始字串改為“dccpeng123”，儲存匹配模式不變，此時的匹配結果為“dccpeng”，如下圖所示。
5、如果真想匹配到外邊的結果，就應該再加一層括號，將外邊的內容與括進來，入下圖所示。當程式執行之後，我們得到的匹配結果是“dccpeng123”。
當程式執行之後，實際上是以最外層的這個括號為順序的，然後依次向內進行匹配。當group方法中取第一個括號的內容時，匹配到的結果是最外層括號中的內容，所以是“dccpeng123”。可以看到“123”也被提取出來了。
同理，當group方法中取第二個括號的內容時，匹配到的結果是最二層括號中的內容，所以是“dccpeng”，如下圖所示。
此時可以看到“123”並沒有被提取出來，因為此時匹配的內容是“(dcpeng|dccpeng)”。
關於在括號中提取子字串的用法在網路爬蟲中非常常見，也是Python正規表示式的重點學習內容，需要重點掌握。
====================
第六課
今天給大家分享的正規表示式特殊符號是“[]”。中括號十分實用，其有特殊含義，其代表的意思是中括號中的字元只要滿足其中任意一個就可以。其用法一共有三種，分別對其進行具體的程式碼演示，在最後進行總結，具體的教程如下。
1、如下圖所示，匹配模式為[abcd]，在這裡正規表示式代表的意思是字串第一個字元是abcd四個字元中的任意一個，然後後面的字元是“cpeng123”，如果滿足匹配條件，則輸出結果，如果不滿足，則不顯示任何結果，如下圖所示。
很顯然原始字串的第一個字元是d，和匹配模式相接，所以輸出結果。
2、為了更好的加強理解，現在將原始字串改為“acpeng123”，其他部分不做改動，如下圖所示。
可以看到匹配的結果是“acpeng123”，匹配成功。
3、為進一步理解中括號的意思，現在將原始字串改為“ecpeng123”，其他部分不做改動，如下圖所示。
此時可以看到沒有任何結果輸出，因為在中括號中沒有對應的匹配字元，滿足不了匹配要求，所以無任何輸出。
4、看下面一個例子，提取電話號碼，這個在實際應用中十分常見。在這裡介紹中括號的另外一種表達方式即[0-9]，這個特殊字元代表的意思是數字0到9中的任意一個字元。下面的匹配模式'(1[34578][0-9]{9})'代表的意思是字串以1開頭，然後第二個字元為3、4、5、7、8中任意一個，之後的字元是0到9中的數字，但是限定為9次，也就是說電話號碼的長度為1+1+9=11位。如果滿足上面的匹配要求，就輸出成功，否則就不輸出任何的字元。
如上圖，很明顯原始字串滿足匹配的要求，所以有輸出結果。
擴充知識：[a-z]代表26個英文小寫字母；[A-Z]代表26個英文大寫字母。
5、為了進一步加強理解，將原始字串改為160開頭的號碼，然後進行輸出，如下圖所示。
可以看到無任何輸出結果。
6、中括號的第三章用法是[^]，在中括號中加入特殊字元“^”，表示非，取反的意思。舉個例子，“[^1]”的意思是字元不等於1，下圖是程式碼演示。
可以看到原始字串與匹配模式'(1[34578][^1]{9})'匹配成功，因為從第二個字元之後，字串中就沒有1出現，符合匹配規則。
即便是原始字串中出現非數字的字元，只要不是1，也能夠匹配成功，如下圖所示。
7、為了加強理解，先將原始字串中的號碼改為‘18042682515’，在字串後邊加個1，然後匹配模式不改變，如下圖所示。
可以看到此時無任何輸出結果，因為原始字串中出現了1，而匹配模式要求不能出現1，所以匹配不成功。
8、最後總結一下特殊字元中括號的用途。
一、中括號中的任意一個字元，如[abcd]，代表a、b、c、d這四個字元中的任意一個。
二、表示區間，如[0-9]，代表數字0到9中的任意一個。同理[a-z]，[A-Z]，其代表的意思在上面有提及，在此就不再贅述了。
三、表示非或者取反，專有的表示式是[^]，如匹配模式[^1]表示匹配的字元不為1。
四、中括號中的“.”，如匹配模式[.]或“*”，如匹配模式[*]，就是純粹的代表“.”號和“*”號，不再是代表特殊字元中代表的任意字元或出現多次的意思，這點需要特別注意。
===================
第七課
今天給大家分享的特殊字元是“\s”、“\S”。
1、“\s”代表的意思是匹配空格，匹配模式“加\s油”代表的是字元“加”和“油”之間有空格的意思，如下圖所示。
可以看到原始字串中“加”和“油”之間有空格，與匹配條件相符合，所以匹配成功。
2、為了加強理解，現在將原始字串改為“加加油”，字元中間不為空格，保持匹配模式不變，如下圖所示。
可以看到無任何輸出，說明匹配不成功。
3、如果“加”和“油”之間有多個空格的話，則只需要在匹配模式中將“加\s油”改為“加\s+油”即可，如下圖所示。
4、“\S”代表的意思與“\s”代表的意思剛剛相反，也就是說匹配的那個字元只要不是空格，都可以匹配。如下圖所示，繼續用第二步那個例子，只要將匹配模式中的“\s”改為“\S”，其他的保持不變，如下圖所示。
可以看到此時就可以匹配成功。
5、而將原始字串改為“加 油”，兩個字元中間有個空格，匹配模式不變，如下圖所示。
可以看到此時無任何輸出，說明匹配不成功。
6、同樣的，如果要匹配多個非空白字元的話，只需要將“\S”改為“\S+”即可，如下圖所示。
=====================
第八課
今天給大家分享的特殊字元是“\w”和“\W”。
1、“\w”代表的意思是該字元為任意字元，但是和特殊字元“.”的意思不同。“\w”代表的字元主要包括26個大寫字母A到Z，即[A-Z]、26個小寫字母a到z，即[a-z]、10個阿拉伯數字0到9，即[0-9]和下劃線“_”。總結起來就是，“\w”代表的意思是[A-Za-z0-9_]中任意一個字元。“.” 代表的意思是除換行符之外的任意字元，其範圍比“\w”代表的意思要廣。
下面是具體的程式碼演示，如下圖所示：
可以看到此時用的是特殊字元中括號來代替特殊字元“\w”，匹配成功。
2、現在將[A-Za-z0-9_]改為\w，如下圖所示。
可以看到仍然可以匹配成功。
3、將原始字串改為“加A油”，如下圖所示。
可以看到仍然可以匹配成功。
4、將原始字串改為“加_油”，如下圖所示。
可以看到仍然可以匹配成功。
5、當將原始字串改為“加-油”，如下圖所示。
可以看到此時就不可以匹配成功了，因為字元“-”並在包括在\w涵蓋的範圍之內。
6、“\W”代表的意思與“\w”剛剛相反，也就是匹配除了[A-Za-z0-9_]之外的其他字元。接上一步的例子，此時將“\w”改為“\W”，如下圖所示。
可以看到此時就匹配成功了。
7、將原始字串“加-油”改為“加 油”，中間有空格，其他保持不變，如下圖所示。
很顯然，使用“\w”肯定不能匹配成功，但使用“\W”便可以成功的進行匹配。
8、為了進一步加強對這兩個符號的理解，將原始字串中的中劃線“-”改為下劃線“_”，其他的保持不變，如下圖所示。
此時可以看到匹配不成功，無任何輸出。
=======================
第九課
今天給大家分享的特殊字元是[\u4E00-\u9FA5]，這個特殊字元最好能夠記下來，如果記不得的話通過百度也是可以一下子查到的。
該特殊字元是固定的寫法，其代表的意思是漢字。換句話說，只要字元中是漢字，就可以通過該字元進行匹配，該特殊字元也是用中括號括起來的。具體的程式碼演示如下。
1、原始字串是“加油”，兩個漢字，然後將匹配模式直接為[\u4E00-\u9FA5]，如下圖
可以看到此時的輸出結果僅僅出現了一個“加”字，因為該匹配模式預設是匹配一個字元。
2、如何想匹配多個字元，只需要在匹配模式後面加一個“+”號即可，表示匹配連續出現的漢字，如下圖所示。
此時可以看到“加油”全都匹配出來了。
3、為了進一步加強對該特殊字元的理解，現在將“加油”兩字中嵌入非漢字，如下圖所示。
可以看到只匹配到了“加”，但是非漢字字元“a”及其以後的字元全部都匹配不到了，因為原始字串並不是連續出現的漢字。
4、將非漢字字元放到字串最後邊，如下圖所示。
此時可以看到“加油”這兩個連續的漢字可以成功匹配，但是非漢字字元匹配不到。
5、如果將“加油”中間加個空格，改為“加 油”，其他的保持不變，如下圖所示。
此時可以看到輸出的結果僅僅是個“加”字，空格及其之後的字元都匹配不到，因為原始字串並不是連續出現的漢字。
6、舉個例子，在實際應用中，往往會需要用到連續匹配漢字的地方。如現在有個需求，需要匹配字串中的“XX”大學，如“清華大學”、“北京大學”、“中山大學”等，我們只知道字元“XX”是連續的中文，此時就可以用到本文介紹的漢字字元，如下圖所示。
此時可以看到“清華大學”匹配成功。需要注意的是特殊字元“?”記得加上，代表非貪婪模式，如果不加這個字元的話，則匹配模式從字元的後面往前取，得到的結果僅僅為“華大學”，如下圖所示。
7、同樣的，如果要匹配“上海交通大學”，也是如此，如下圖所示。
溫馨提示
進入公眾號，通過選單“最新資源”==>“歷史文章”可以快速檢視分專題的文章列表，通過“最新資源”==>“微課專區”可以觀看Python微課，通過“最新資源”==>“培訓動態”可以檢視近期Python培訓安排，通過“最新資源”==>“教學資源”可以檢視Python教學資源。
--------董付國老師Python系列圖書--------
1）《Python程式設計（第2版）》清華大學出版社（2018年8月第9次印刷）https://item.jd.com/11949168.html
2）《Python可以這樣學》清華大學出版社（2018年7月第6次印刷）（本書已在臺灣發行繁體版）https://item.jd.com/12040511.html
3）《Python程式設計基礎（第2版）》清華大學出版社（2018年9月第6次印刷）https://item.jd.com/12319738.html
4）《中學生可以這樣學Python》清華大學出版社（2018年9月第3次印刷）https://item.jd.com/12258900.html
5）《Python程式設計開發寶典》清華大學出版社（2018年2月第3次印刷）https://item.jd.com/12143483.html
6）《玩轉Python輕鬆過二級》清華大學出版社（2018年7月第3次印刷）https://item.jd.com/12361144.html
7）《Python程式設計基礎與應用》機械工業出版社（2018年9月第1次印刷）https://item.jd.com/12433472.html?dist=jd
8）《Python程式設計實驗指導書》清華大學出版社（預計2019年1月出版）
9）《Python程式設計基礎與案例集錦（中學版）》電子工業出版社（預計2019年2月出版）
董老師127課免費視訊地址： https://pan.baidu.com/s/1jJeAs8Q 密碼: px59
“Python小屋”免費資源彙總（截至2018年11月28日）
系列教學PPT:
1900頁Python系列PPT分享一：基礎知識（106頁）
1900頁Python系列PPT分享二：Python序列（列表、元組、字典、集合）（154頁）
1900頁Python系列PPT分享三：選擇與迴圈結構語法及案例（96頁）
1900頁Python系列PPT分享四：字串與正規表示式（109頁）
1900頁Python系列PPT分享五：函式設計與應用（134頁）
1900頁Python系列PPT分享六：物件導向程式設計（86頁）
1900頁Python系列PPT分享七：檔案操作（132頁）
1900頁Python系列PPT分享八：異常處理結構與程式除錯、測試（70頁）
報告PPT（163頁）：基於Python語言的課程群建設探討與實踐
2000頁Python系列PPT分享九：（GUI程式設計）（122頁）
Python實驗專案1例：使用程式池統計指定範圍內素數的個數
（PPT）Python程式設計課程教學內容組織與教學方法實踐
相關文章
- Python正規表示式初識（四）Python
- 正規表示式(初學)
- Python——正規表示式Python
- python正規表示式Python
- Python 正規表示式Python
- Python：正規表示式Python
- 正規表示式知識(+)
- python之正規表示式Python
- python 正規表示式匹配Python
- Python正規表示式手稿Python
- Python正規表示式大全Python
- 認識正規表示式（上）
- 正規表示式知識點
- 提取超連結正規表示式
- Python正規表示式詳解Python
- Python 正規表示式（RegEx）指南Python
- 詳解 Python 正規表示式Python
- 正規表示式（python3）Python
- javascript正規表示式 | 知識梳理JavaScript
- 正規表示式基礎知識
- 【重溫基礎】9.正規表示式
- 匹配磁力連結的正規表示式
- Python 正規表示式 re 模組Python
- python re模組 正規表示式Python
- Python-day-15-正規表示式Python
- Python 之 RE（正規表示式）常用Python
- python正規表示式(re模組)Python
- python 關於正規表示式rePython
- Python基礎之正規表示式Python
- python基礎操作——正規表示式Python
- python正規表示式（簡明版）Python
- 系統認識JavaScript正規表示式JavaScript
- 正規表示式(一) 基礎知識
- 正規表示式
- 正規表示式.
- Python正規表示式 findall函式詳解Python函式
- 正規表示式中的\d 和 [0-9]
- ES9的新特性:正規表示式RegExp