python 正则表达式 中级

1.子表达式

将几个字符的组合形式看做一个大的字符，例如匹配IP地址，形如 127.0.0.1

答案一：p1='d{1,3}.d{1,3}.d{1,3}.d{1,3}'

pattern1 = re.compile(p1)

测试数据：aa='127.0.0.1'或'.tyw127.0.0.1rceaa'或'1.2.tyw127.0.0.1rceaa'

re.search(pattern1,aa).group(0)

结果：'127.0.0.1'

pattern1.findall(aa)

结果：['127.0.0.1']

 

答案二：p1='(d{1,3}.){3}d{1,3}'

pattern1 = re.compile(p1)

aa='1.2.tyw999.000.3.4.5.6rceaa'

re.search(pattern1,aa).group(0)

结果：'999.000.3.4'

pattern1.findall(aa)

结果：['3.']

2.向前向后查找

举例一：p1 = r"(?<=<h1>).+?(?=</h1>)"

第一个?<=表示在被匹配字符前必须得有<h1>，后面的?=表示被匹配字符后必须有</h1>

简单来说，p = r"(?<=A)XX(?=B)" 匹配的是AXXB这样的字符串中的XX

 

举例二：p1 = r"(?<={0}).+?(?= )".format('Undistort Flag: ')

    pattern1 = re.compile(p1)                         #编译正则表达式

    matcher1 = re.search(pattern1, output)  #在源文本中搜索符合正则表达式的部分

    rtv_lag = matcher1.group(0)

    print '~~~~~~~~`',rtv_lag

 

向前查找向后查找不必同时出现，也可以只满足一个条件。只要记住?<=后面跟着的是前缀要求，?=后面跟的是后缀要求即可。

3.回溯引用

回溯引用是一个动态的正则表达式，让你根据实际情况进行匹配。

例如想要匹配HTML页面中<h1></h1>到<h6></h6>中的内容，如果简单地使用表达式p = r"<h[1-6]>.*?</h[1-6]>"可能会匹配出多余的标签为<h1>hello world</h3>的数据；针对这种情况，我们需要在匹配到第一个子表达式时获取到匹配到的值，需要可以使用回溯引用。

答案：p1 = r"<h([1-6])>.*?</h1>"

其中，第二个子表达式中出现了1，这里的1表示第一个子表达式，它是动态的，随着前面第一个子表达式的匹配到的东西而变化的。比如前面的子表达式内是[1-6]，在实际字符串中找到了1，那么后面的1就是1，如果前面的子表达式在实际字符串中找到了2，那么后面的1就是2。

类似的，2,3,....就代表第二个第三个子表达式。

参考：https://www.cnblogs.com/chuxiuhong/p/5907484.html