re模块
Posted Leslie-x
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re模块相关的知识,希望对你有一定的参考价值。
一:什么是正则?
正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法。或者说:正则就是用来描述一类事物的规则。(在Python中)它内嵌在Python中,并通过 re 模块实现。正则表达式模式被编译成一系列的字节码,然后由用 C 编写的匹配引擎执行。
生活中处处都是正则:
比如我们描述:4条腿
你可能会想到的是四条腿的动物或者桌子,椅子等。
继续描述:4条腿,活的;
就只剩下四条腿的动物这一类了。
二:常用匹配模式(元字符)
匹配模式
#一对一的匹配 # \'hello\'.replace(old,new) # \'hello\'.find(\'pattern\') #正则匹配 import re #\\w与\\W print(re.findall(\'\\w\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\'] print(re.findall(\'\\W\',\'hello egon 123\')) #[\' \', \' \'] #\\s与\\S print(re.findall(\'\\s\',\'hello egon 123\')) #[\' \', \' \', \' \', \' \'] print(re.findall(\'\\S\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \'e\', \'g\', \'o\', \'n\', \'1\', \'2\', \'3\'] #\\n \\t都是空,都可以被\\s匹配 print(re.findall(\'\\s\',\'hello \\n egon \\t 123\')) #[\' \', \'\\n\', \' \', \' \', \'\\t\', \' \'] #\\n与\\t print(re.findall(r\'\\n\',\'hello egon \\n123\')) #[\'\\n\'] print(re.findall(r\'\\t\',\'hello egon\\t123\')) #[\'\\n\'] #\\d与\\D print(re.findall(\'\\d\',\'hello egon 123\')) #[\'1\', \'2\', \'3\'] print(re.findall(\'\\D\',\'hello egon 123\')) #[\'h\', \'e\', \'l\', \'l\', \'o\', \' \', \'e\', \'g\', \'o\', \'n\', \' \'] #\\A与\\Z print(re.findall(\'\\Ahe\',\'hello egon 123\')) #[\'he\'],\\A==>^ print(re.findall(\'123\\Z\',\'hello egon 123\')) #[\'he\'],\\Z==>$ #^与$ print(re.findall(\'^h\',\'hello egon 123\')) #[\'h\'] print(re.findall(\'3$\',\'hello egon 123\')) #[\'3\'] # 重复匹配:| . | * | ? | .* | .*? | + | {n,m} | #. print(re.findall(\'a.b\',\'a1b\')) #[\'a1b\'] print(re.findall(\'a.b\',\'a1b a*b a b aaab\')) #[\'a1b\', \'a*b\', \'a b\', \'aab\'] print(re.findall(\'a.b\',\'a\\nb\')) #[] print(re.findall(\'a.b\',\'a\\nb\',re.S)) #[\'a\\nb\'] print(re.findall(\'a.b\',\'a\\nb\',re.DOTALL)) #[\'a\\nb\']同上一条意思一样 #* print(re.findall(\'ab*\',\'bbbbbbb\')) #[] print(re.findall(\'ab*\',\'a\')) #[\'a\'] print(re.findall(\'ab*\',\'abbbb\')) #[\'abbbb\'] #? print(re.findall(\'ab?\',\'a\')) #[\'a\'] print(re.findall(\'ab?\',\'abbb\')) #[\'ab\'] #匹配所有包含小数在内的数字 print(re.findall(\'\\d+\\.?\\d*\',"asdfasdf123as1.13dfa12adsf1asdf3")) #[\'123\', \'1.13\', \'12\', \'1\', \'3\'] #.*默认为贪婪匹配 print(re.findall(\'a.*b\',\'a1b22222222b\')) #[\'a1b22222222b\'] #.*?为非贪婪匹配:推荐使用 print(re.findall(\'a.*?b\',\'a1b22222222b\')) #[\'a1b\'] #+ print(re.findall(\'ab+\',\'a\')) #[] print(re.findall(\'ab+\',\'abbb\')) #[\'abbb\'] #{n,m} print(re.findall(\'ab{2}\',\'abbb\')) #[\'abb\'] print(re.findall(\'ab{2,4}\',\'abbb\')) #[\'abb\'] print(re.findall(\'ab{1,}\',\'abbb\')) #\'ab{1,}\' ===> \'ab+\' print(re.findall(\'ab{0,}\',\'abbb\')) #\'ab{0,}\' ===> \'ab*\' #[] print(re.findall(\'a[1*-]b\',\'a1b a*b a-b\')) #[]内的都为普通字符了,且如果-没有被转意的话,应该放到[]的开头或结尾 print(re.findall(\'a[^1*-]b\',\'a1b a*b a-b a=b\')) #[]内的^代表的意思是取反,所以结果为[\'a=b\'] print(re.findall(\'a[0-9]b\',\'a1b a*b a-b a=b\')) #[]内的^代表的意思是取反,所以结果为[\'a=b\'] print(re.findall(\'a[a-z]b\',\'a1b a*b a-b a=b aeb\')) #[]内的^代表的意思是取反,所以结果为[\'a=b\'] print(re.findall(\'a[a-zA-Z]b\',\'a1b a*b a-b a=b aeb aEb\')) #[]内的^代表的意思是取反,所以结果为[\'a=b\'] #\\# print(re.findall(\'a\\\\c\',\'a\\c\')) #对于正则来说a\\\\c确实可以匹配到a\\c,但是在python解释器读取a\\\\c时,会发生转义,然后交给re去执行,所以抛出异常 print(re.findall(r\'a\\\\c\',\'a\\c\')) #r代表告诉解释器使用rawstring,即原生字符串,把我们正则内的所有符号都当普通字符处理,不要转义 print(re.findall(\'a\\\\\\\\c\',\'a\\c\')) #同上面的意思一样,和上面的结果一样都是[\'a\\\\c\'] #():分组 print(re.findall(\'ab+\',\'ababab123\')) #[\'ab\', \'ab\', \'ab\'] print(re.findall(\'(ab)+123\',\'ababab123\')) #[\'ab\'],匹配到末尾的ab123中的ab print(re.findall(\'(?:ab)+123\',\'ababab123\')) #findall的结果不是匹配的全部内容,而是组内的内容,?:可以让结果为匹配的全部内容 print(re.findall(\'href="(.*?)"\',\'<a href="http://www.baidu.com">点击</a>\'))#[\'http://www.baidu.com\'] print(re.findall(\'href="(?:.*?)"\',\'<a href="http://www.baidu.com">点击</a>\'))#[\'href="http://www.baidu.com"\'] #| print(re.findall(\'compan(?:y|ies)\',\'Too many companies have gone bankrupt, and the next one is my company\'))
re模块提供的方法介绍
import re #1 print(re.findall(\'e\',\'alex make love\') ) #[\'e\', \'e\', \'e\'],返回所有满足匹配条件的结果,放在列表里 #2 print(re.search(\'e\',\'alex make love\').group()) #e,只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以通过调用group()方法得到匹配的字符串,如果字符串没有匹配,则返回None。 #3 print(re.match(\'e\',\'alex make love\')) #None,同search,不过在字符串开始处进行匹配,完全可以用search+^代替match #4 print(re.split(\'[ab]\',\'abcd\')) #[\'\', \'\', \'cd\'],先按\'a\'分割得到\'\'和\'bcd\',再对\'\'和\'bcd\'分别按\'b\'分割 #5 print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\')) #===> Alex mAke love,不指定n,默认替换所有 print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\',1)) #===> Alex make love print(\'===>\',re.sub(\'a\',\'A\',\'alex make love\',2)) #===> Alex mAke love print(\'===>\',re.sub(\'^(\\w+)(.*?\\s)(\\w+)(.*?\\s)(\\w+)(.*?)$\',r\'\\5\\2\\3\\4\\1\',\'alex make love\')) #===> love make alex print(\'===>\',re.subn(\'a\',\'A\',\'alex make love\')) #===> (\'Alex mAke love\', 2),结果带有总共替换的个数 #6 obj=re.compile(\'\\d{2}\') print(obj.search(\'abc123eeee\').group()) #12 print(obj.findall(\'abc123eeee\')) #[\'12\'],重用了obj
补充
import re print(re.findall("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>")) #[\'h1\'] print(re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>").group()) #<h1>hello</h1> print(re.search("<(?P<tag_name>\\w+)>\\w+</(?P=tag_name)>","<h1>hello</h1>").groupdict()) #<h1>hello</h1> print(re.search(r"<(\\w+)>\\w+</(\\w+)>","<h1>hello</h1>").group()) print(re.search(r"<(\\w+)>\\w+</\\1>","<h1>hello</h1>").group()) print(re.findall(r\'-?\\d+\\.?\\d*\',"1-12*(60+(-40.35/5)-(-4*3))")) #找出所有数字[\'1\', \'-12\', \'60\', \'-40.35\', \'5\', \'-4\', \'3\'] #使用|,先匹配的先生效,|左边是匹配小数,而findall最终结果是查看分组,所有即使匹配成功小数也不会存入结果 #而不是小数时,就去匹配(-?\\d+),匹配到的自然就是,非小数的数,在此处即整数 print(re.findall(r"-?\\d+\\.\\d*|(-?\\d+)","1-2*(60+(-40.35/5)-(-4*3))")) #找出所有整数[\'1\', \'-2\', \'60\', \'\', \'5\', \'-4\', \'3\'] search与findall #为何同样的表达式search与findall却有不同结果: print(re.search(\'\\(([\\+\\-\\*\\/]*\\d+\\.?\\d*)+\\)\',"1-12*(60+(-40.35/5)-(-4*3))").group()) #(-40.35/5) print(re.findall(\'\\(([\\+\\-\\*\\/]*\\d+\\.?\\d*)+\\)\',"1-12*(60+(-40.35/5)-(-4*3))")) #[\'/5\', \'*3\'] #看这个例子:(\\d)+相当于(\\d)(\\d)(\\d)(\\d)...,是一系列分组 print(re.search(\'(\\d)+\',\'123\').group()) #group的作用是将所有组拼接到一起显示出来 print(re.findall(\'(\\d)+\',\'123\')) #findall结果是组内的结果,且是最后一个组的结果
最常规匹配
content = \'Hello 123 456 World_This is a Regex Demo\' res=re.match(\'Hello\\s\\d\\d\\d\\s\\d{3}\\s\\w{10}.*Demo\',content) print(res) print(res.group()) print(res.span())
泛匹配
content=\'Hello 123 456 World_This is a Regex Demo\' res=re.match(\'^Hello.*Demo\',content) print(res.group())
匹配目标,获得指定数据
content=\'Hello 123 456 World_This is a Regex Demo\' res=re.match(\'^Hello\\s(\\d+)\\s(\\d+)\\s.*Demo\',content) print(res.group()) #取所有匹配的内容 print(res.group(1)) #取匹配的第一个括号内的内容 print(res.group(2)) #去陪陪的第二个括号内的内容
贪婪匹配:.*代表匹配尽可能多的字符
import re content=\'Hello 123 456 World_This is a Regex Demo\' res=re.match(\'^He.*(\\d+).*Demo$\',content) print(res.group(1)) #只打印6,因为.*会尽可能多的匹配,然后后面跟至少一个数字
非贪婪匹配:?匹配尽可能少的字符
import re content=\'Hello 123 456 World_This is a Regex Demo\' res=re.match(\'^He.*?(\\d+).*Demo$\',content) print(res.group(1)) #只打印6,因为.*会尽可能多的匹配,然后后面跟至少一个数字
匹配模式:.不能匹配换行符
content = \'\'\'Hello 123456 World_This is a Regex Demo \'\'\' res=re.match(\'He.*?(\\d+).*?Demo$\',content) print(res) #输出None res=re.match(\'He.*?(\\d+).*?Demo$\',content,re.S) #re.S让.可以匹配换行符 print(res) print(res.group(1))
特殊字符转义
content=\'price is $5.00\' res=re.match(\'price is $5.00\',content) print(res) res=re.match(\'price is \\$5\\.00\',content) print(res)
总结:尽量精简,详细的如下:
尽量使用泛匹配模式.*
尽量使用非贪婪模式:.*?
使用括号得到匹配目标:用group(n)去取得结果
有换行符就用re.S:修改模式
三:匹配模式演练
re.search: 会扫描整个字符串, 不会从头开始, 找到第一个匹配的结果就会返回
re.search: 只要一个结果, 匹配演练,
re.findall: 找到符合条件的所有结果
re.sub: 字符串替换
import re # re.match content=\'Extra strings Hello 123 456 World_This is a Regex Demo Extra strings\' res=re.match(\'Hello.*?(\\d+).*?Demo\',content) print(res) #输出结果为None # re.search content=\'Extra strings Hello 123 456 World_This is a Regex Demo Extra strings\' res=re.search(\'Hello.*?(\\d+).*?Demo\',content) # print(res.group(1)) # re.search content = \'\'\' <tbody> <img class="rpic" src="http://p1.music.126.net/Wl7T1LBRhZFg0O26nnR2iQ==/19217264230385030.jpg?param=50y50&quality=100"></a><span data-res-id="476630320"</span> \'\'\' res=re.search(\'<a\\shref=.*?<b\\stitle="(.*?)".*?b>\',content) print(res.group(1)) # re.findall res=re.findall(\'<a\\shref=.*?<b\\stitle="(.*?)".*?b>\',content) for i in res: print(i) # re.sub content=\'Extra strings Hello 123 456 World_This is a Regex Demo Extra strings\' content=re.sub(\'\\d+\',\'\',content) print(content)
四:正则使用实例
爬取豆瓣信息匹配
import requests,re respone=requests.get(\'https://book.douban.com/\').text print(respone) print(\'======\'*1000) print(\'======\'*1000) print(\'======\'*1000) print(\'======\'*1000) res=re.findall(\'<li.*?cover.*?href="(.*?)".*?title="(.*?)">.*?more-meta.*?author">(.*?)</span.*?year">(.*?)</span.*?publisher">(.*?)</span.*?</li>\',respone,re.S) # res=re.findall(\'<li.*?cover.*?href="(.*?)".*?more-meta.*?author">(.*?)</span.*?year">(.*?)</span.*?publisher">(.*?)</span>.*?</li>\',respone,re.S) for i in res: print(\'%s %s %s %s\' %(i[0].strip(),i[1].strip(),i[2].strip(),i[3].strip()))
以上是关于re模块的主要内容,如果未能解决你的问题,请参考以下文章