Python中使用正则表达式获取两个字符中间部分

Posted 2021-03-02 狗子的进阶史

问题背景：当我们爬取网页信息时，对于一些标签的提取是没有意义的，所以需要提取标签中间的信息。

 

解决办法：用到了re包下的函数

方法1：用到了research()方法和group()方法

方法2：用到了findall（）方法

 

具体实现：

import re
# 匹配两个字符中间的所有字符
a = ‘<p>life is short, i use python<a/>i love it<p>‘

r = re.search(‘<p>(.*)<a/>(.*)<p>‘, a)

# python中正则匹配，如果不加（）,默认是一个分组，group（）中的参数，如果是0，默认是所有组，即返回整个字符串
# 如果是要访问自定义的组的元素，则需要从1开始

print(r.group(0))  # <p>life is short, i use python<a/>i love it<p>
print(r.group(1))  # life is short, i use python
print(r.group(2))  # i love it

# 用一个元组来返回所有组中的内容
print(r.group(0, 1, 2))
# (‘<p>life is short, i use python<a/>i love it<p>‘, ‘life is short, i use python‘, ‘i love it‘)

# 返回所有元组的信息，不包括第0组
print(r.groups())  # (‘life is short, i use python‘, ‘i love it‘)

# 另一种匹配方式：使用findall（）
b = re.findall(‘<p>(.*)<a/>(.*)<p>‘, a)
print(b)  # [(‘life is short, i use python‘, ‘i love it‘)]

 

像边界字符集（^,$等）或者概括字符集（\d,\D,\w等）匹配的都是一个字符，我们需要匹配一个连续的字符串时，会需要有组的概念，一个组中的元素是且的关系；例如：匹配Python字符串时，需要如下处理：（）表示的组的概念，不可将（）和[]混淆

import re

a = ‘PythonPythonPythonPython‘
# ()表示且的关系，[]表示或的关系

r = re.findall(‘(Python){3}‘, a)
print(r)