正则表达式

最新推荐文章于 2022-07-28 14:15:00 发布

原创最新推荐文章于 2022-07-28 14:15:00 发布 · 135 阅读

0 ·

CC 4.0 BY-SA版权

分布式爬虫专栏收录该内容

3 篇文章

订阅专栏

1.特殊字符

^ 以xx开头

$ 以xx结尾

. 匹配所有字符

*前面字符出现任意多次

?非贪婪模式正则表达式是贪婪匹配，?是非贪婪模式

import re

str = "abcdabda" #匹配的字符 获取abcd字段
re_str = re.match("^a.*a") 
print(re_str.group(1))#输出abda

#正确的正则
re_str = re.match("^a.*?a)
print(re_str.group(1))#输出abcd

+ 前面字符至少出现一次

import re

line = "b00000000000000000boby123"
regex_str = ".*(b.+b).*"
regex_match = re.match(regex_str,line)
print(regex_match.group(1))

{2} 前面字符出现的次数

{2,} 前面字符最少大于2

{2,5}大于等于最少2次最多5次

| 或者关系

[abcd]中括号字符满足任意一个都可以

[^1] 不等于1

("1[48357][0-9][^1]{9})

[.*]就代表普通字符没有特殊含义

\s 空格

\S 只要不是空格都可以

\w 任意字符(包括[A-Za-z0-9_])

\W [^A-Za-z0-9_]

[\u4E00-\u9FA5] unicode编码只要是汉字都能取出来(连续出现汉字)

\d 代表数字的意思

# -*- encoding: utf-8 -*-
"""
@File    : test.py
@Time    : 2021/5/15 16:44
@Author  : PengPeng
@Email   : 244605960@qq.com
@Software: PyCharm

"""
import re

line = "xxx出生于2020-06-01"
line = "xxx出生于2020/06/01"
line = "xxx出生于2020年06月"
line = "xxx出生于2020-6-1"
line = "xxx出生于2020-06"
regex_str = "出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))"
regex_match = re.match(regex_str,line)
if regex_match:
    print(regex_match.group(1))