python進階學什么，初識Python正則表達式（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么要學習正則表達式，為什么在網絡爬蟲的時候離不開正則表達式。正則表達式在處理字符串的時候扮演著非常重要的角色，在網絡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。

盡管網絡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符串，但是在HTML中數據往往存在標簽之中。通過選擇器確實可以匹配到標簽的內容，但是有時候標簽中存在的許多內容是冗余的，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”這個字符串，但是我們只需要“782”這個數字的話，此時正則表達式就要派上用場了。

正則表達式可以幫我們判斷某個字符串是否符合某一個模式，其次正則表達式可以幫我們提取某個字符串中的重要部分，做子字符串的提取。今天簡單的給大家講解幾個正則表達式的特殊字符—— “^”、“.”、“*”，并且用實例進行演示，讓大家對正則表達式有個初步的了解。

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文件，接下來開始進行演示。

1、正則表達式在Python中有個專門的庫叫re模塊，首先進行導入模塊。再定義一個字符串str，然后定義一個正則表達式匹配規則regex。?

2、“^d”代表的意思是以d元素開頭的任意一個字符串，也就是說只要是以d開頭的字符串，后面的元素不論是什么，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符，其表示的范圍非常廣，可以接任意字符，不論是中英文，還是下劃線之類的特殊字符，都是可以代表的。舉個栗子，正則表達式“^d.”就是代表以d開頭的字符串，b后邊接任意字符都可以。?

4、“*” 也十分常用，其代表的意思是前面的字符可以重復任意多遍，可以是0次，1次，2次等任意多次。?

5、了解好這幾個特殊字符的用法之后，接下來通過代碼簡單的感受一下。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。

可以看到程序運行之后，返回的結果為yes，說明匹配成功。正則表達式“^d.*”代表的意思是以d開頭的字符串，后面跟著任意字符，出現任意多遍。顯然，通過匹配可以得知該正則表達式匹配的結果和原始字符串一致，之后if判斷返回值為true，所以打印出結果為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符串是否以a開頭的。之后再次運行程序，如下圖所示。

此時可以看到無任何輸出，說明特殊字符“^”起到了作用。

=========================

第二課

今天繼續給大家分享Python正則表達式相關特殊字符知識點。

1、特殊字符“$”代表的意思是結尾字符。舉個栗子，正則表達式“3$”，表示匹配以3為結尾的字符串。代碼演示如下圖所示。

正則表達式匹配模式“.*3$”代表以3結尾的任意字符的字符串，很顯然匹配的結果和原始字符串是一致的，所以有返回結果。

2、如果將正則表達式匹配模式改為“.*4$”，則表示以4結尾的任意字符的字符串，此時是沒有任何的輸出結果的，如下圖所示。

3、正則表達式特殊字符“?”比較常用，其代表的意思是非貪婪匹配模式。默認情況下，匹配字符串是一種貪婪的匹配，換句話說，默認情況下字符串會根據匹配模式，去匹配最大的長度。?

4、下圖是一個實例。其中括號代表的是提取字符串的子串，正則表達式會把滿足匹配條件的字符串放到括號里邊。匹配模式“.*(p.*p).*”代表的意思是：左邊的“.* ”的意思是任意字符串，可以是空，也可以是非空的字符串，之后是字符p，中間的“.* ” 的意思也是任意字符串，之后再是一個p，爾后右邊的“.* ” 的意思也是任意字符串。目前的邏輯就是將兩個p中間的字符串連同p一塊取出。

但是其輸出的結果卻為“pp”，并不是我們想要的“pccccccccccp”結果。原因是正則表達式的貪婪匹配所致，實際上它是反向匹配的，所以從字符串來看，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”之前加個特殊字符“?”，則運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，答案趨向于我們想要的結果。但是在后面卻出現了兩個p。原因是后面的那個p未指定其為非貪婪模式，所以后面的那個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”之前也加個特殊字符“?”，則運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均采用了非貪婪模式，所以匹配模式，從左到右順序進行。

7、理解非貪婪模式之后，對于正則表達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。

非貪婪模式在網絡爬蟲的過程中對于字符串的提取非常重要，務必要理解和掌握。

==============

第三課

今天繼續給大家分享Python正則表達式基礎。

1、正則表達式特殊字符“+”，其代表的意思“+”號前面的任意字符必須至少出現一次，才能匹配成功。如下圖所示，如果沒有加特殊字符“+”，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).*”，即將特殊字符“*”改為特殊字符“+”，用特殊字符“+”來限定前面的字符出現的次數，至少出現一次。運行程序，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，然后匹配到第一個字符p，之后碰到特殊字符“+”，表示匹配任意字符，但該字符至少出現一次，然后再匹配到第二個字符p，才會提取到匹配的字符串。

3、再次來感受一下，將之前的三個ppp改為現在的php，之后再運行程序，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，會有什么樣的結果呢？如下圖所示，毋庸置疑，答案肯定是phhp。

因為特殊字符“+”號表示只要任意字符至少出現一次，都會被提取出來。

5、簡單的來總結一下，特殊字符“*”和特殊字符“+”都是用來表示字符出現次數的限定詞，用于限定前面的任意字符出現的次數。不同的地方在于特殊字符“*”模式下，字符出現的次數可以是0次或者任意多次，而特殊字符“+”模式下，字符出現的次數至少是1次。

=====================

第四課

今天繼續給大家分享Python正則表達式基礎知識，主要給大家介紹一下特殊字符“{}”的用法。

特殊字符“{}”實質上也是一個限定詞的用法，其限定前面字符所出現的次數，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}”。到這里可能大家還不是很清楚，下面依次通過實例來演示一下，加深對特殊字符“{}”的理解。

1、如下圖所示，限定字符p前面的字符出現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，因為此時并沒有任何的字字符串符合匹配條件。

3、相應的，我們將原始字符串做一下更改，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、特殊字符“{1,}”代表的是前面的字符出現1次及以上；特殊字符“{2,}”代表的是前面的字符出現2次及以上；特殊字符“{3,}”代表的是前面的字符出現3次及以上；以此類推。舉個栗子，如下圖所示。

我們要匹配出現p字符前面出現3次及以上的次數，此時子字符串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、特殊字符“{1, 3}” 代表的是前面的字符至少出現1次，最多出現3次；特殊字符“{2, 5}” 代表的是前面的字符至少出現2次，最多出現5次；以此類推。舉個栗子，如下圖所示。

當使用特殊字符“{1, 3}”的時候，如下圖所示：

貪婪模式下，字符串從右邊開始往左取，首先遇到相對滿足條件的子字符串是phhhhp，但是并不符合規則，因為該子字符串出現的次數為4次，而限定條件為1次到3次，所以這個子字符串不符合匹配條件，爾后繼續往前匹配，得到匹配結果paap，滿足匹配條件。

6、同理，當使用特殊字符“{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符是豎線“|”。豎線“|”實質上是一個或的關系。

1、直接上代碼演示，比方說我們需要匹配一個字符串“dcpeng123”，匹配模式為 “(dcpeng|dcpeng123)”，記得匹配模式中要有括號，否則后面的group方法會報錯。

如上圖所示，匹配模式“(dcpeng|dcpeng123)”的意思是只要匹配“dcpeng”或者“dcpeng123”中的任意一個，就說明提取成功。“|”實質上是一個“或”的關系，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。所以在這里，正則表達式首先匹配了字符串“dcpeng”，所以打印出來的結果就是“dcpeng”。

2、當我們把匹配模式中兩個字符串的順序調整一下，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、如果我們將原始字符串做一下更改，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”，與原始字符串匹配不上，之后通過特殊字符“|”再定位到“dcpeng”，發現可以與原始字符串匹配上，所以匹配成功，輸出匹配結果。

4、如果我們只是想匹配字符串中的一部分，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符串一致即可。

此時可以看到輸出的結果為“dcpeng”。這里容易犯錯，很多小伙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，如果我們將原始字符串改為“dccpeng123”，保存匹配模式不變，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。當程序運行之后，我們得到的匹配結果是“dccpeng123”。

當程序運行之后，實際上是以最外層的這個括號為順序的，然后依次向內進行匹配。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”并沒有被提取出來，因為此時匹配的內容是“(dcpeng|dccpeng)”。

關于在括號中提取子字符串的用法在網絡爬蟲中非常常見，也是Python正則表達式的重點學習內容，需要重點掌握。

====================

第六課

今天給大家分享的正則表達式特殊符號是“[]”。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符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代碼演示，在最后進行總結，具體的教程如下。

1、如下圖所示，匹配模式為[abcd]，在這里正則表達式代表的意思是字符串第一個字符是abcd四個字符中的任意一個，然后后面的字符是“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。

很顯然原始字符串的第一個字符是d，和匹配模式相接，所以輸出結果。

2、為了更好的加強理解，現在將原始字符串改為“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，現在將原始字符串改為“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符，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。在這里介紹中括號的另外一種表達方式即[0-9]，這個特殊字符代表的意思是數字0到9中的任意一個字符。下面的匹配模式'(1[34578][0-9]{9})'代表的意思是字符串以1開頭，然后第二個字符為3、4、5、7、8中任意一個，之后的字符是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符。

如上圖，很明顯原始字符串滿足匹配的要求，所以有輸出結果。

拓展知識：[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，將原始字符串改為160開頭的號碼，然后進行輸出，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符“^”，表示非，取反的意思。舉個栗子，“[^1]”的意思是字符不等于1，下圖是代碼演示。

可以看到原始字符串與匹配模式'(1[34578][^1]{9})'匹配成功，因為從第二個字符之后，字符串中就沒有1出現，符合匹配規則。

即便是原始字符串中出現非數字的字符，只要不是1，也能夠匹配成功，如下圖所示。

7、為了加強理解，先將原始字符串中的號碼改為‘18042682515’，在字符串后邊加個1，然后匹配模式不改變，如下圖所示。

可以看到此時無任何輸出結果，因為原始字符串中出現了1，而匹配模式要求不能出現1，所以匹配不成功。

8、最后總結一下特殊字符中括號的用途。

一、中括號中的任意一個字符，如[abcd]，代表a、b、c、d這四個字符中的任意一個。

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，專有的表達式是[^]，如匹配模式[^1]表示匹配的字符不為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，不再是代表特殊字符中代表的任意字符或出現多次的意思，這點需要特別注意。

===================

第七課

今天給大家分享的特殊字符是“\s”、“\S”。

1、“\s”代表的意思是匹配空格，匹配模式“加\s油”代表的是字符“加”和“油”之間有空格的意思，如下圖所示。

可以看到原始字符串中“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，現在將原始字符串改為“加加油”，字符中間不為空格，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符只要不是空格，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、而將原始字符串改為“加 油”，兩個字符中間有個空格，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符的話，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符是“\w”和“\W”。

1、“\w”代表的意思是該字符為任意字符，但是和特殊字符“.”的意思不同。“\w”代表的字符主要包括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_]中任意一個字符。“.” 代表的意思是除換行符之外的任意字符，其范圍比“\w”代表的意思要廣。

下面是具體的代碼演示，如下圖所示：

可以看到此時用的是特殊字符中括號來代替特殊字符“\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、將原始字符串改為“加A油”，如下圖所示。

可以看到仍然可以匹配成功。

4、將原始字符串改為“加_油”，如下圖所示。

可以看到仍然可以匹配成功。

5、當將原始字符串改為“加-油”，如下圖所示。

可以看到此時就不可以匹配成功了，因為字符“-”并在包括在\w涵蓋的范圍之內。

6、“\W”代表的意思與“\w”剛剛相反，也就是匹配除了[A-Za-z0-9_]之外的其他字符。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、將原始字符串“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，將原始字符串中的中劃線“-”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符是[\u4E00-\u9FA5]，這個特殊字符最好能夠記下來，如果記不得的話通過百度也是可以一下子查到的。

該特殊字符是固定的寫法，其代表的意思是漢字。換句話說，只要字符中是漢字，就可以通過該字符進行匹配，該特殊字符也是用中括號括起來的。具體的代碼演示如下。

1、原始字符串是“加油”，兩個漢字，然后將匹配模式直接為[\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，因為該匹配模式默認是匹配一個字符。

2、如何想匹配多個字符，只需要在匹配模式后面加一個“+”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符的理解，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”，但是非漢字字符“a”及其以后的字符全部都匹配不到了，因為原始字符串并不是連續出現的漢字。

4、將非漢字字符放到字符串最后邊，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，但是非漢字字符匹配不到。

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，空格及其之后的字符都匹配不到，因為原始字符串并不是連續出現的漢字。

6、舉個栗子，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，需要匹配字符串中的“XX”大學，如“清華大學”、“北京大學”、“中山大學”等，我們只知道字符“XX”是連續的中文，此時就可以用到本文介紹的漢字字符，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符“?”記得加上，代表非貪婪模式，如果不加這個字符的話，則匹配模式從字符的后面往前取，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，通過菜單“最新資源”==>“歷史文章”可以快速查看分專題的文章列表，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”可以查看近期Python培訓安排，通過“最新資源”==>“教學資源”可以查看Python教學資源。

--------董付國老師Python系列圖書--------

1）《Python程序設計（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程序設計基礎（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程序設計開發寶典》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輕松過二級》清華大學出版社（2018年7月第3次印刷）https://item.jd.com/12361144.html

7）《Python程序設計基礎與應用》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程序設計實驗指導書》清華大學出版社（預計2019年1月出版）

9）《Python編程基礎與案例集錦（中學版）》電子工業出版社（預計2019年2月出版）

董老師127課免費視頻地址： https://pan.baidu.com/s/1jJeAs8Q 密碼: px59

Python課堂上我與學生斗智斗勇已8個學期

非計算機專業《Python程序設計基礎》教學參考大綱

計算機相關專業“Python程序設計”教學大綱（參考）

《Python程序設計》實驗指導書（30個實驗）

《Python程序設計基礎與應用》課后習題答案

《Python程序設計基礎（第2版）》習題答案

Python課程期末考試編程題自動批卷原理與實現模板

“Python小屋”免費資源匯總（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：選擇與循環結構語法及案例（96頁）

1900頁Python系列PPT分享四：字符串與正則表達式（109頁）

1900頁Python系列PPT分享五：函數設計與應用（134頁）

1900頁Python系列PPT分享六：面向對象程序設計（86頁）

1900頁Python系列PPT分享七：文件操作（132頁）

1900頁Python系列PPT分享八：異常處理結構與程序調試、測試（70頁）

報告PPT（163頁）：基于Python語言的課程群建設探討與實踐

報告PPT（123頁）：Python編程基礎精要

2000頁Python系列PPT分享九：（GUI編程）（122頁）

Python實驗項目1例：使用進程池統計指定范圍內素數的個數

（PPT）Python程序設計課程教學內容組織與教學方法實踐