正则表达式

最新推荐文章于 2022-05-30 09:25:30 发布

机智的frank

最新推荐文章于 2022-05-30 09:25:30 发布

阅读量173

点赞数 1

本文链接：https://blog.youkuaiyun.com/jian15093532273/article/details/80301296

版权

1.re模块的使用方式

# 导入re模块
import re

# 使用match方法进行匹配操作
result = re.match(正则匹配表达式，要匹配的字符串)

# 如果上一步匹配到数据的话，使用group方法提取数据，否则返回None
result.group()

import re

pattern = compile(r'匹配规则', re.I)
# re.I 忽略大小写
# re.S 表示全文匹配
pattern.match('需匹配的字符串')

2.表示字符

字符	功能
.	匹配任意字符,除了(\n)
[ ]	匹配[ ]列举的字符
\d	匹配数字，即0-9
\D	匹配非数字
\s	匹配空格，即空格，tab建
\S	匹配非空格
\w	匹配单词字符，即a-z,A-Z,0-9,_
\W	匹配非单词字符

re.match(‘1\d\d’,’123’)
re.match(‘1[123]\d’, 123)
re.match(‘1[^123]\d’, ‘123’) # 在方括号里面写’^’,表示取反

3.表示数量

字符	功能
*	匹配前一个字符出现0次或者无限次
+	匹配前一个字符出现1次或者无限次
?	匹配前一个字符出现1次或者0次
{m}	匹配前一个字符出现m次
{m,}	匹配前一个字符至少出现m次
{m,n}	匹配前一个字符出现从m次到n次

re.match(‘1[13578]/d{9}’,’13345678901’)

4.原始字符串

# 在字符串中如果出现'\'，需要使用原始字符串进行匹配
re.match(r'\\nabc', '\\nabc')

5.表示边界

字符	功能
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界
\B	匹配非单词边界

re.match(r’^1[35678]\d{9}$’，’18111111111’)
re.match(r’^\w+\s\bve\b’, ‘ho ve r’)
re.match(r’^.+ve\B’, ‘ho ver’)

6.匹配分组

字符	功能
(?P<’name’>)	分组起别名
(?P=name)	引用分组名为name分组匹配到的字符串

字符	功能
\|	匹配左右任意一个表达式
(ab)	将括号中字符作为一个分组
\num	引用分组num匹配到的字符串,如\2,\1

# 匹配1-100之间的数字
re.match(r'[1-9]\d?$|0$|100$', '85')
re.match(r'[1-9]?/d?$|100$', '85')

s = '<h1>匹配分组</h1>'
result = re.match(r'<h1>(.+)</h1>', s)
result.group()
result.group(1)
result.groups()
结果为:
'匹配分组'
'匹配分组'
('匹配分组',)

s = '<html><h1>匹配分组</h1></html>'
re.match(r'<(.+)><(.+)>.+</\2></\1>', s)

s = '<html><h1>匹配分组</h1></html>'
re.match(r'<(?P<key1>.+)><(?P<key2>.+)>.+</(?P=key2)></(?P=key1)>', s)

7.re的高级用法
re.match() # 从起始位置开始往后查找，返回第一个符合规则的，只匹配一次
re.search() # 从任何位置开始往后查找，返回第一个符合规则的，只匹配一次
re.findall() # 所有的全部匹配，返回列表
re.finditer() # 所有的全部匹配，返回的是一个迭代器
re.split() #分割字符串，返回列表
re.sub() # 替换
(1)search

    s = 'itcast<h1>itcast<h1>'
    re.search(r'\w+<h1>', s)
    结果为：
    <_sre.SRE_Match object; span=(0, 10), match='itcast<h1>'>

(2)findall

    s = 'itcast<h1>itcast<h1>'
    re.findall(r'\w+<h1>', s)
    结果为：
    ['itcast<h1>', 'itcast<h1>']

(3)sub

    re.sub(r'\d+', '998', 'python=997')
    结果为：
    python=998

    def replace(result):
        print(result.group)
        r = int(result.group) + 50
        return str(r)
    re.sub(r'\d+', replace, 'python=100, php=0')
    结果为：
    100
    0
    python=150, php=50

    s = '<h1>静夜思</h1><h2>窗前明月光</h2>'
    re.sub(r'</?\w+>', '', s)
    结果为：
    静夜思窗前明月光

(4)split

s = 'itcast,php,python-cpp'
re.split(r':|,|-|', s)
结果为：
['itcast', 'php', 'python', 'cpp']

8.贪婪模式和非贪婪模式
python里数量词默认是贪婪的，总是尝试匹配尽可能多的字符
非贪婪则相反，总是尝试匹配尽可能少的字符
在’*’, ‘?’, ‘+’,’{m, n}’后面加上’?’，使得贪婪模式变成非贪婪模式

# 贪婪模式下
s = 'This is a number 234-456-789'
r = re.match(r'(.+)(\d+-\d+-\d+)', s)
r.groups()
结果为：
# 检测到d+有一个数字就可以完成匹配
('This is a number 23', '4-456-789')

# 非贪婪模式下
s = 'This is a number 234-456-789'
r = re.match(r'(.+?)(\d+-\d+-\d+)', s)
r.groups()
结果为：
('This is a number ', '234-456-789')

9.练习
提取网站前面的一部分

s = 'http://www.baidu.com/image?id=35'
re.sub(r'(http://.+?/).*', lambda x:x.group(1), s)
结果为；
http://www.baidu.com/