正则表达式

Posted 2021-10-25 jcb9426986

常用的匹配规则：

\\w——匹配字母、数字、下划线,等价于[a-zA-Z0-9_] \\w可以匹配汉字(python),
\\W——匹配不是字母、数字、下划线的其他字符
\\s——匹配任意空白字符,等价于(\\t\\n\\r\\f)
\\S——匹配任意非空字符
\\d——匹配数字,等价于[0-9]
\\D——匹配不是数字的字符
\\A——匹配字符串开头
\\Z——匹配字符串结尾的,如果存在换行,只匹配到换行前的结束字符串
\\z——匹配字符串结尾的,如果存在换行,匹配到换行符\\n
\\G——最好完成匹配的位置
\\n——匹配一个换行符
\\t——匹配一个制表符(tab)
^——匹配一行字符串的开头
$——匹配一行字符串的结尾
. ——匹配任意字符,除了换行符.当re.DOTALL标记被指定时,这可以匹配包括换行符在内的任字符
[...]——用来表示一组字符,比如[abc]表示匹配a或b或c,[a-z],[0-9]
[^...]——匹配不在[]里面的字符,比如[^abc]匹配除a,b,c以外的字符
* ——匹配0个或多个字符
+ ——匹配1个或多个字符 
?——匹配0个或1个前面的正则表达式片段,(.*?)表示尽可能少地匹配字符(后面详解)
{n}——精确匹配前面n个前面的表达式,如\\d{5}表示匹配5个数字
{n,m}——匹配前面的表达式n到m次,贪婪模式
a|b——匹配a或者b 
()——匹配括号里的表达式,也可以表示一个组

二、常用方法：

1、math()

math()会尝试从字符串的起始位置匹配正则表达式；

import re
content = ‘Hello 123 4567 World _This is a Regex Demo‘
print(len(content))
result = re.match(‘^Hello.*is‘, content)#.*——多个字符Hello开始的字符串，is结束的字符串
print(result)
print(result.group())#group（）方法输出匹配到的内容
print(result.span())#span（）方法输出匹配范围

结果：

match()方法只能从字符串开头匹配，如果开头不匹配就失败，例如：

import re
content = ‘Hello 123 4567 World _This is a Regex Demo‘
print(len(content))
result = re.match(‘^llo.*is‘, content)
print(result)

结果：

2、search()

 search()匹配时会扫描整个字符串

例如上面提到的

import re
content = ‘Hello 123 4567 World _This is a Regex Demo‘
print(len(content))
result = re.search(‘llo.*is‘, content)
print(result)

结果：

但如果有多个符合匹配信息的内容，只能得到第一个，例如：

import re
html=‘‘‘div id=" songs -list"><h2 class-"title">经典老 歌</h2><p class="introduction">经典老歌列表</p:
      <ul id="list" class="list-group"<1i data-view="2">- -路上有你</li><11 data-view "7">
      <a href-"/2.mp3" singer"任贤齐">沧海一声笑</a></li>
      <li data-view="4" class-"active"s
      <a href="/3.mp3" singer"齐秦">往事随风</a></li>
      <li data-view"6"><a htef="/4.mp3"singer "bynd">光辉岁月</a></11><li data-view-"5"
      shref:"/6.mp" snge."邓丽君”>但愿人长久</a></li></ul> ?
      </div>‘‘‘
result = re.search(‘<li.*?singer=*(.*?)>(.*?)</a>‘, html,re.S)#re.S匹配包括换行符在内的所有字符
if result:
     print(result.group(1),result.group(2))

结果：

可以看到，满足要求的很多，但是只得到第一个

3、findall()

匹配时会扫描整个字符串，并且返回匹配的所有内容

import re
html=‘‘‘div id=" songs -list"><h2 class-"title">经典老歌
</h2><p class="introduction">
经典老歌列表</p:
      <ul id="list" class="list-group"
      <1i data-view="2">- -路上有你</li>
      <11 data-view "7">
      <a href-"/2.mp3" singer"任贤齐">沧海一声笑</a>
      </li>
      <li data-view="4" class-"active"s
      <a href="/3.mp3" singer"齐秦">往事随风</a>
      </li>
      <li data-view"6"><a href="/4.mp3"singer="beyond">光辉岁月</a>
      </1i>
      <li data-view-"5">
      <a href="/6.mp" singer="邓丽君”>但愿人长久</a>
      </li>
      </ul>
      </div>‘‘‘
result = re.findall(‘<li.*?singer=*(.*?)">(.*?)</a>‘, html,re.S)
print(result)

结果：

4、sub()

 

5、compile()