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,就是用事先定义好的一些特定的字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
模式 | 描述 |
---|---|
\w | 匹配字母数字及下划线 |
\W | 匹配非字母数字及下划线 |
\s | 匹配任意空白字符,等价于 [\t\n\r\f]. |
\S | 匹配任意非空字符 |
\d | 匹配任意数字,等价于 [0-9] |
\D | 匹配任意非数字 |
\A | 匹配字符串开始 |
\Z | 匹配字符串结束,如果是存在换行,只匹配到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 |
\n | 匹配一个换行符 |
\t | 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,当 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 个前面表达式。 |
{n, m} | 匹配 n 到 m 次由前面的正则表达式定义的片段,贪婪方式 |
a | b |
( ) | 匹配括号内的表达式,也表示一个组 |
re.match
尝试从字符串中的起始位置匹配的一个模式,如果不是起始位置匹配成功的话,就返回none。
最常规匹配
import re
content = 'Hello 123 4567 World_This is a Regex Demo'
# .* 匹配任意0个到多个字符
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
print(result.group()) # 匹配结果
Hello 123 4567 World_This is a Regex Demo
print(result.span()) # 输出陪配结果的范围
(0, 41)
泛匹配
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>
匹配目标
# 匹配 1234567
# 把匹配目标用小括号( )括起来,指定左端和右端
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld.*Demo$',content) # \d+ 1到多个数字
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
print(result.group(1)) # 第一个小括号的内容,group(2)=第二个小括号内容
1234567
贪婪匹配
匹配尽可能多的字符
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
print(result.group(1))
7
非贪婪匹配
匹配尽可能少的字符
# 如果它看到后面是一个数字,把前面的停止匹配
result = re.match('^He.*?(\d+).*Demo$',content)
print(result.group(1))
1234567
匹配模式
content = """Hello 1234567 World_This
is a Regex Demo"""
result = re.match('^He.*?(\d+).*?Demo$',content)
print(result)
None
# 因为 . 匹配不到换行符,所以匹配不到内容
# 修改,添加匹配模式 re.s 让 . 可以匹配到换行符
result = re.match('^He.*?(\d+).*?Demo$',content, re.S)
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This\nis a Regex Demo'
转义
# 匹配$符,需要加 \ ,匹配. 也需要
content = 'price is $5.00'
result = re.match('price is \$5\.00', content)
print(result)
<_sre.SRE_Match object; span=(0, 14), match='price is $5.00'>
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
学习于:
https://germey.gitbooks.io/python3webspider/content/3.3-%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F.html
https://edu.hellobi.com/course/157