python正则表达式之使用规则

Posted 2020-06-24 moye

     正则表达式在我看来是提供一个模板，将待匹配的字符串与模板匹配，匹配不到则返回为空，匹配成功根据需要返回匹配的字符串。

正则表达式比字符串本身的功能要强一点，当然性能上略有不如。

    我们使用正则表达式主要有两种目的，

　　　　　　 > 是否包含模板字符串；

　　　　　　 > 得到匹配字符串。

     python 中使用正则表达式时需要引入“re”模块，为了避免记忆上的混乱，本文只记载一种最常用的使用正则表达式的方式。

使用流程：

 1 # encoding:utf-8
 2 
 3 # 引入re模块
 4 import re
 5 
 6 #生成正则表达式模板
 7 pat = re.compile(r‘12‘)
 8 
 9 #匹配结果
10 m=pat.search("123 12")
11 print m
12 
13 #匹配结果
14 m=pat.search("3 2")
15 print m
16 
17 # 输出：
18 # <_sre.SRE_Match object at 0x01FCFB48>
19 # None

match()和search()区别

在一些示例中，在匹配结果也会用到match方法，match和search的区别如下：

         match ：只从字符串的开始与正则表达式匹配，匹配成功返回matchobject，否则返回none；

　　　search ：将字符串的所有字串尝试与正则表达式匹配，如果所有的字串都没有匹配成功，返回none，否则返回matchobject；

示例如下：

pat = re.compile(r‘12‘)

m=pat.search("312")
print m
# <_sre.SRE_Match object at 0x01FCFB48>

m=pat.match("312")
print m
# None

m=pat.match("123")
print m
# <_sre.SRE_Match object at 0x01FCFB48>

分组的概念和findall()

当我们想将符合正则规则的字符串提取时，可以用()将规则包起来即可。例如：我们想提取超链接

pat = re.compile(r‘href="([^"]*)"‘)
s = ‘<a href="http://www.qidian.com/">起点中文</a>‘
m = pat.search(s)
print m.group(0)
# href="http://www.qidian.com/
print m.group(1)
# http://www.qidian.com/

“()”表示我们想要提取的字符串内容，用group()函数方法取得，group(0) 取得匹配的字符串，group(1)取得第一个分组。

当要取得所有符合规则的字符串时我们可使用findall()方法

pat = re.compile(r‘href="([^"]*)"‘)
s = ‘<a href="http://www.qidian.com/">起点中文</a><a href="http://www.qidian.com/">起点中文</a>‘
m = pat.findall(s)
print m
#[‘http://www.qidian.com/‘, ‘http://www.qidian.com/‘]

此时若匹配返回的结果是一个list。

反斜杠的困扰

pat = re.compile(r‘href="([^"]*)"‘)

正则里面有个‘r’是原生字符串的意思，它表示不转义，例如：

　　

path="c:\noway"
print path
# c:
# oway
path=r"c:\noway"
print path
# c:\noway

正则表达式用”\\”表示反斜杠符号，因此当要匹配字符串中的“\\”时需要用“\\\\”，前两个表示一个反斜杠即转义字符，后两个表示真正的反斜杠。当加上前缀r时，就只用“\\”匹配反斜杠。

示例如下：

re_str_patt = "\\\\"
reObj = re.compile(re_str_patt)
str_test = "abc\\cd\\hh"
print reObj.findall(str_test)
# [‘\\‘, ‘\\‘]
r_str_patt = r"\\"
print reObj.findall(str_test)
# [‘\\‘, ‘\\‘]