正则表达式
Posted jsnhdream
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式相关的知识，希望对你有一定的参考价值。
正则表达式
正则表达式，又称规则表达式。是计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个规则的文本。以往对字符数据处理时通常使用字符串函数，当我们了解正则表达式后，会发现正则表达式简单高效。正则表达式在不同的语言中使用方法不同，本质上区别不大。在Python语言中使用正则时需要导入模块re，下面内容主要概述基本使用方法。
re.match函数
re.match 从字符串的起始位置匹配一个模式，如果起始位置没有匹配成功match()就返回none；如果匹配成功就返回匹配对象Match Object，然后可以通过对象具有的方法group()提前字符串匹配的部分。
re.match(pattern, string, flags=0)
pattern：匹配的正则表达式
string：要匹配的字符串
flags：标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等
import re s = "love Python3" result = re.match("lov", s) print(result) print(result.group()) output： <re.Match object; span=(0, 3), match=‘lov‘> lov
常见匹配字符
单字符匹配
>>> re.match(".","abc").group() ‘a‘ >>> re.match("[aA]","abc").group() ‘a‘ >>> re.match("[0-9]","123abc").group() ‘1‘ >>> re.match("今天d号","今天3号").group() ‘今天3号‘
匹配多个字符的相关格式---表数量
>>> re.match("[A-Za-z]*","Shanghai").group() ‘Shanghai‘ >>> re.match("[A-Za-z]+w","Shanghai_55").group() ‘Shanghai_‘ >>> re.match("[A-Za-z]+w*","Shanghai_55").group() ‘Shanghai_55‘ #匹配0-99 >>> re.match("[1-9]?[0-9]","99").group() ‘99‘ >>> re.match("w{6}","1343a_de454").group() ‘1343a_‘ >>> re.match("w{6,9}","1343a_de454").group() ‘1343a_de4‘ >>> re.match("w{6,}","1343a_de454").group() ‘1343a_de454‘
边界匹配
>>> re.match(".*\\bllo\\b","he llo world").group() ‘he llo‘ >>> re.match(r".*llo","he llo world").group() ‘he llo‘
在正则表达式中“”通常作为转义字符出现，如单词边界分隔符""，在使用时需要双\\。如果出现多个反斜杠岂不是很麻烦，可能造成漏写，因此Python里的原生字符串很好地解决了这个问题，即在字符串前面使用r，这样写出来的表达式更加直观了。
>>> re.match(r".*llo","hello world").group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘NoneType‘ object has no attribute ‘group‘ >>> re.match(r".*llo","he lloworld").group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘NoneType‘ object has no attribute ‘group‘
匹配单词边界，要求匹配的字符要么位于首端、末端或者字符两端空格。
>>> re.match(r".*lloB","lloh").group() ‘llo‘ >>> re.match(r".*BlloB","helloh").group() ‘hello‘ >>> re.match(r".*BlloB","hello").group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘NoneType‘ object has no attribute ‘group‘ >>> re.match(r".*Bllo","llo").group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘NoneType‘ object has no attribute ‘group‘
B匹配非单词边界，要求匹配的字符不能位于首端、末端或者有空格。
匹配分组
#匹配0-100 >>> re.match(r"[1-9]?d$|100","92").group() ‘92‘ #匹配分组 >>> re.match("([^-]*)-(d+)","0761-3601110").group() ‘0761-3601110‘ >>> re.match("([^-]*)-(d+)","0761-3601110").groups() (‘0761‘, ‘3601110‘) >>> re.match("([^-]*)-(d+)","0761-3601110").group(1) ‘0761‘ >>> re.match("([^-]*)-(d+)","0761-3601110").group(2) ‘3601110‘
分组匹配：<html><h1>www.baidu.cn</h1></html>
- umber
>>> s = "<html><h1>www.baidu.cn</h1></html>" >>> re.match(r"<(w*)><(w*)>.*</2></1>",s).group() ‘<html><h1>www.baidu.cn</h1></html>‘
前后标签一致可以使用分组（），第一个分组为1，第二个为2，依次类推。
- (?P<name>) (?P=<name>)
>>> s = "<html><h2>www.baidu.cn</h2></html>" >>> re.match(r"<(?P<lab1>w*)><(?P<lab2>w*)>.*</(?P=lab2)></(?P=lab1)>",s).group() ‘<html><h2>www.baidu.cn</h2></html>‘
？P定义分组别名name，？P=为使用分组别名。当使用的分组较多时，用 umber不够直观可能会出错，使用分组别名替代 umber更加直观可以避免混乱。
以上是关于正则表达式的主要内容，如果未能解决你的问题，请参考以下文章
正则表达式匹配特定的 URL 片段而不是所有其他 URL 可能性