• 正则的基本使用


    什么是正则表达式

    正则表达式是对字符串操作的一种逻辑公式,就是 事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符”,这个“规则字符” 来表达对字符的一种过滤逻辑。

    正则并不是python独有的,其他语言也都有正则
    python中的正则,封装了re模块

    python正则的详细讲解

    常用的匹配模式

    复制代码
    w      匹配字母数字及下划线
    W      匹配f非字母数字下划线
    s      匹配任意空白字符,等价于[	
    
    f]
    S      匹配任意非空字符
    d      匹配任意数字
    D      匹配任意非数字
    A      匹配字符串开始
          匹配字符串结束,如果存在换行,只匹配换行前的结束字符串
    z      匹配字符串结束
    G      匹配最后匹配完成的位置
    
          匹配一个换行符
    	      匹配一个制表符
    ^       匹配字符串的开头
    $       匹配字符串的末尾
    .       匹配任意字符,除了换行符,re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符
    [....]  用来表示一组字符,单独列出:[amk]匹配a,m或k
    [^...]  不在[]中的字符:[^abc]匹配除了a,b,c之外的字符
    *       匹配0个或多个的表达式
    +       匹配1个或者多个的表达式
    ?       匹配0个或1个由前面的正则表达式定义的片段,非贪婪方式
    {n}     精确匹配n前面的表示
    {m,m}   匹配n到m次由前面的正则表达式定义片段,贪婪模式
    a|b     匹配a或者b
    ()      匹配括号内的表达式,也表示一个组
    复制代码

    re.match()

    尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配的话,match()就会返回None
    语法格式:
    re.match(pattern,string,flags=0)

    最常规的匹配

    复制代码
    import re
    
    content= "hello 123 4567 World_This is a regex Demo"
    result = re.match('^hellosdddsd{4}sw{10}.*Demo$',content)
    print(result)
    print(result.group())
    print(result.span())
    复制代码

    结果如下:

    result.group()获取匹配的结果
    result.span()获去匹配字符串的长度范围
    泛匹配

    其实相对来说上面的方式并不是非常方便,其实可以将上述的正则规则进行更改

    复制代码
    import re
    
    content= "hello 123 4567 World_This is a regex Demo"
    result = re.match("^hello.*Demo$",content)
    print(result)
    print(result.group())
    print(result.span())
    复制代码

    这段代码的结果和上面常规匹配的结果是一样的,但是写起来会方便很多

    匹配目标

    如果为了匹配字符串中具体的目标,则需要通过()括起来,例子如下:

    复制代码
    import re
    content= "hello 1234567 World_This is a regex Demo"
    result = re.match('^hellos(d+)sWorld.*Demo$',content)
    print(result)
    print(result.group())
    print(result.group(1))
    print(result.span())
    复制代码

    结果如下:

    这里需要说一下的是通过re.group()获得结果后,如果正则表达式中有括号,则re.group(1)获取的就是第一个括号中匹配的结果

    贪婪匹配

    先看下面代码:

    复制代码
    import re
    
    content= "hello 1234567 World_This is a regex Demo"
    result= re.match('^hello.*(d+).*Demo',content)
    print(result)
    print(result.group(1))
    复制代码

    这段代码的结果是

    从结果中可以看出只匹配到了7,并没有匹配到1234567,出现这种情况的原因是前面的.* 给匹配掉了, .*在这里会尽可能的匹配多的内容,也就是我们所说的贪婪匹配,

    如果我们想要匹配到1234567则需要将正则表达式改为:

    result= re.match('^he.*?(d+).*Demo',content)

    这样结果就可以匹配到1234567

    匹配模式

    很多时候匹配的内容是存在换行的问题的,这个时候的就需要用到匹配模式re.S来匹配换行的内容

    复制代码
    import re
    
    
    content = """hello 123456 world_this
    my name is zhaofan
    """
    
    result =re.match('^he.*?(d+).*?zhaofan$',content,re.S)
    print(result)
    print(result.group())
    print(result.group(1))
    复制代码

    结果如下

    转义

    当我们要匹配的内容中存在特殊字符的时候,就需要用到转移符号\,例子如下:

    复制代码
    import re
    
    content= "price is $5.00"
    
    result = re.match('price is $5.00',content)
    print(result)
    print(result.group())
    复制代码

    对上面的一个小结:
    尽量使用泛匹配,使用括号得到匹配目标,尽量使用非贪婪模式,有换行符就用re.S
    强调re.match是从字符串的起始位置匹配一个模式

    re.search

    re.search扫描整个字符串返回第一个成功匹配的结果

    复制代码
    import re
    
    content = "extra things hello 123455 world_this is a Re Extra things"
    
    result = re.search("hello.*?(d+).*?Re",content)
    print(result)
    print(result.group())
    print(result.group(1))
    复制代码

    结果如下:

    其实这个时候我们就不需要在写^以及$,因为search是扫描整个字符串

    注意:所以为了匹配方便,我们会更多的用search,不用match,match必须匹配头部,所以很多时候不是特别方便

    匹配演练

    例子1:

    复制代码
    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">
            <li data-view="2">一路上有你</li>
            <li data-view="7">
                <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
            </li>
            <li data-view="4" class="active">
                <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></li>
            <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
            <li data-view="5">
                <a href="/6.mp3" singer="邓丽君">但愿人长久</a>
            </li>
        </ul>
    </div>'''
    
    result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)
    print(result)
    print(result.groups())
    print(result.group(1))
    print(result.group(2))
    复制代码

    结果为:

    re.findall

    搜索字符串,以列表的形式返回全部能匹配的子串

    代码例子如下:

    复制代码
    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">
            <li data-view="2">一路上有你</li>
            <li data-view="7">
                <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
            </li>
            <li data-view="4" class="active">
                <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></li>
            <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
            <li data-view="5">
                <a href="/6.mp3" singer="邓丽君">但愿人长久</a>
            </li>
        </ul>
    </div>'''
    
    results = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>', html, re.S)
    print(results)
    print(type(results))
    for result in results:
        print(result)
        print(result[0], result[1], result[2])
    复制代码

    结果如下:

    例子2:

    复制代码
    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">
            <li data-view="2">一路上有你</li>
            <li data-view="7">
                <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
            </li>
            <li data-view="4" class="active">
                <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></li>
            <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
            <li data-view="5">
                <a href="/6.mp3" singer="邓丽君">但愿人长久</a>
            </li>
        </ul>
    </div>'''
    
    results = re.findall('<li.*?>s*?(<a.*?>)?(w+)(</a>)?s*?</li>',html,re.S)
    print(results)
    for result in results:
        print(result[1])
    复制代码

    结果如下:

    其实这里我们就可以看出

    s*? 这种用法其实就是为了解决有的有换行,有的没有换行的问题

    (<a.*?>)? 这种用法是因为html中有的有a标签,有的没有的,?表示匹配一个或0个,正好可以用于匹配

    re.sub

    替换字符串中每一个匹配的子串后返回替换后的字符串

    re.sub(正则表达式,替换成的字符串,原字符串)

    例子1

    复制代码
    import re
    
    content = "Extra things hello 123455 World_this is a regex Demo extra things"
    
    content = re.sub('d+','',content)
    print(content)
    复制代码

    结果会讲数字替换为为空:

    例子2,在有些情况下我们替换字符的时候,还想获取我们匹配的字符串,然后在后面添加一些内容,可以通过下面方式实现:

    复制代码
    import re
    
    content = "Extra things hello 123455 World_this is a regex Demo extra things"
    
    content = re.sub('(d+)',r'1 7890',content)
    print(content)
    复制代码

    结果如下:

    这里需要注意的一个问题是1是获取第一个匹配的结果,为了防止转义字符的问题,我们需要在前面加上r

    re.compile

    将正则表达式编译成正则表达式对象,方便复用该正则表达式

    复制代码
    import re
    content= """hello 12345 world_this
    123 fan
    """
    
    pattern =re.compile("hello.*fan",re.S)
    
    result = re.match(pattern,content)
    print(result)
    print(result.group())
    复制代码

    正则的综合练习

    获取豆瓣网书籍的页面的书籍信息,通过正则实现

    复制代码
    import requests
    import re
    content = requests.get('https://book.douban.com/').text
    pattern = re.compile('<li.*?cover.*?href="(.*?)".*?title="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S)
    results = re.findall(pattern, content)
    print(results)
    
    for result in results:
        url,name,author,date = result
        author = re.sub('s','',author)
        date = re.sub('s','',date)
        print(url,name,author,date)
    复制代码

    结果如下:

  • 相关阅读:
    PAT 甲级 1074 Reversing Linked List (25 分)(链表部分逆置,结合使用双端队列和栈,其实使用vector更简单呐)
    (转载)文献可视化--vosviewer入门
    给出先序和中序,给一个数找到位置并输出它左子树里最大的数
    PAT 甲级 1073 Scientific Notation (20 分) (根据科学计数法写出数)
    python flask框架学习(三)——豆瓣微信小程序案例(二)整理封装block,模板的继承
    第一章 概述
    Mybatis最入门---数据库的下载与安装
    前端页面——Cookie与Session有什么差别
    有限状态机(FSM)的Java 演示
    windows使用技巧和工具(后面可能更新linux)
  • 原文地址:https://www.cnblogs.com/zr-hh199610/p/8707064.html
Copyright © 2020-2023  润新知