Python笔记(十):正则表达式

2018-06-18 02:28:09来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

正则表达式对比工具

https://pan.baidu.com/s/1XIPyF1vFSj5PACPx9zW8_g

(一)      正则表达式符号和特殊字符

符号

说明

示例

|

re1|re2,匹配re1或re2

 .

匹配任何字符(\n除外)

 

^

匹配字符串开始部分

^ab.*

ab开始的字符串,匹配ab123ababc等等

$

匹配字符串结束部分

.*123$

以123结束的字符串,匹配ab123、测试123等等

*

匹配0次或多次前面的正则表达式

.*

匹配0次或多次前面的 .

+

匹配1次或多次前面的正则表达式

 

?

匹配0次或1次前面的正则表达式

 

{n}

匹配n次前面的正则表达式

.{5}

 

{m,n}

匹配M到N次前面的正则表达式

.{1,10}

 

[…]

匹配[]里的任一字符

[abc]d

匹配 adbdcd

[x-y]

匹配范围内的任一字符

[a-c]d:匹配 adbdcd

[0-9]d:匹配0d1d2d3d

[^…]

不匹配[]里的任一字符

[^a-c]d: 匹配 adbdcd

 

将正则表达式封闭为一个组

例如:[a-b][a-b] :只匹配aaab

([a-b][a-b])+:匹配aaaaabab等.另外可以用这个()来提取数据

 

符号

说明

示例

\d

匹配任一数字,和[0-9]是一样的,\D则不匹配任何数字

A\d: 匹配A1A2

\w

 

匹配任一数字、字母,和[A-Za-z0-9]是一样的,\W则相反

 

 

\s

 

匹配任一空格字符,\S

则相反

hello\sword匹配hello word

\..

\后一个字符按字面意义匹配,不匹配特殊含义

\?:匹配?

\\d匹配\d

\b

 

匹配任何单词边界(\B

则相反)

例如:字符串 ab the Htherr

the: 能匹配到2 the

\bthe\b:只匹配第一个 the

\Bthe\B:只匹配第二个 the

\A

 

匹配字符串开始部分,\Z 字符串结束部分

参照^ $

 

(二)      贪婪模式和非贪婪模式

贪婪模式:尽可能的匹配

非贪婪模式:匹配到第一个结果后就结束匹配。在*、+、?、{}后面加一个?就是非贪婪模式。(*|+|?|{})?

看下面2张图就清楚了(蓝色背景表示匹配的内容)

第一张图(贪婪模式):匹配到第一</div>后还会继续向右匹配。(在内容和正则表达式匹配的情况下,尽可能的匹配最长字符串)

第二张图(非贪婪模式):匹配到第一个</div>后就结束匹配了。(在内容和正则表达式匹配的情况下,匹配到第一个结果后就结束匹配)

 

 

 

(三)      re模块

函数/方法

说明

re.compile(pattern, flags=0)

(预编译)将正则表达式编译为对象(不是必须的,不过一般是会预编译)

实际应用中:下面2种方式都是可以用的

the_str=''

第一:
href_regx= re.compile('<div.*</div>')
href_regx.match(the_str)

第二:
re.match('<div.*</div>',the_str)

第一种是调用正则表达式对象的match()方法。

第二种写法是调用re模块的match()函数

match(pattern, string)

Pattern:正则表达式

String:字符串

匹配成功,返回字符串,失败则返回None。

预编译后的正则表达式对象则只需要传str就行了(因为它本身就是pattern对象

search(pattern, string)

Pattern:正则表达式

String:字符串

返回第一个匹配内容,没有匹配则返回None

findall(pattern, string)

 

以列表形式返回所有匹配的内容

finditer(pattern, string)

返回所有匹配的内容,以迭代器的形式

split(pattern, string)

Pattern匹配的内容作为分隔符,split将字符串分割为列表并返回

 

flags参数

说明

re.I  
re.IGNORECASE

 

不区分大小写

re.M

re.MULTILINE

匹配行的开始和结束部分,而不是严格匹配字符串本身的开始、结束部分

re.S

re.DOTALL)

 

. (点号)可以匹配\n

 

 

使用flags参数的时候,不清楚传第几个参数的话,最好先去看下方法(函数)的实现代码。

 

(四)      re模块示例

 1 import re
 2 the_str='<div id="hd_info"></div></div></div>'
 3 href_regx= re.compile('<div.*</div>')
 4 print('match()示例:',href_regx.match(the_str))
 5 print('match()示例:',re.match('<div.*</div>',the_str))
 6 print('search()示例:',re.search('/div>',the_str))
 7 
 8 print('findall()示例:',re.findall('/div>',the_str))
 9 print('finditer()示例:',re.finditer('/div>',the_str))
10 for i in re.finditer('/div>',the_str):
11     print('迭代finditer()返回值:',i)
12 
13 print('split()示例:',re.split('/.',the_str,re.DOTALL))

 

(五)      正则表达式实际应用

 匹配电信手机号

133、149、153、173、177、180、181、189、199开头的11位数字

正则表达式:1(39|49|53|[7][37]|[8][019]|99)[0-9]{8}

 匹配a标签开始 href属性值 (<a href='' ) 

 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Python hashlib 模块

下一篇:python爬取智联招聘工作岗位信息