烦人的正则表达式（四）

对常用的脚本语言python来说，正则表达式应该是运用非常多的，尤其是用于编写网络爬虫，使用正则表达式能大大提高效率。本人略微懂一点点python，结合学习经历和谷歌又凑了一篇文章出来。

我们需要调用python内置的re模块来使用正则，即我们需要（必须）在文本开头声明：

然后我们就可以开始调用re里面的正则函数来匹配字符串。re模式有两种方式，一种是调用re.compile函数生成pattern对象，再用pattern对象的一系列方法进行文本匹配查找。另一种方式简单粗暴，直接用re.match等方法进行匹配查找。现在我主要介绍第一种。

re.compile-- 第一种方式都要调用该函数，功能是将正则表达式转换成pattern对象。一般的表达形式：

flag为可选模式（默认为0）：

然后举个例子：

分别输出 hello (match方法稍后介绍)

re.match()-- 从字符串的起始位置开始匹配，一次匹配，找到一个匹配的结果就返回，失败则返回None。返回值用group()接收打印。groups()是所有子串组成的集合，group(N)是匹配到的正则表达式第N组的子串。子串是正则表达式里被（）括起来的部分，可有多个，因此可划分序号。

结果分别为abc abc false false

re.search()-- 扫描整个字符串，并返回第一个匹配成功的结果，否则返回None。整体用法与match()类似，match()匹配需要考虑开头，search()则不用，根据实际情况选择使用。

re.findall()-- 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

re.finditer()-- 与re.findall()相似，返回的是迭代器。

re.split()-- 按照能够匹配的子串将文本分割并返回列表。

输出：

['a','b','c','d','e']

re.sub()-- 用于替换字符串中的匹配项。

输出:

a+b+c+d+e

自感这样写看起来很昏，改用第二种方式:

效果一样，这里是把-替换成+

正则表达式语法规则

\d ->数字

\D ->非数字

\s ->空白字符，包括空格换行符换页符等等

\S ->非空白符

\w ->单词字符

\W ->非单词字符