re模块
import re
#使用match方法进行匹配造作
result = re.match(正则表达式,要匹配的字符)
#如果上一步匹配到数据,可以用group方法提取数据
result.group()
匹配单个字符
匹配多个字符
匹配开头结尾
匹配分组
需求匹配出 <html> <h1> www.itcast.cn</h1></html>
#coding=utf-8
import re
labels = ["<html><h1>www.itcast.cn</h1></html>", "<html><h1>www.itcast.cn</h2></html>"]
for label in labels:
ret = re.match(r"<(\w*)><(\w*)>.*</\2></\1>", label)
if ret:
print("%s 是符合要求的标签" % ret.group())
else:
print("%s 不符合要求" % label)
需求:匹配出<html><h1>www.itcast.cn</h1></html>
#coding=utf-8
import re
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h1></html>")
ret.group()
ret = re.match(r"<(?P<name1>\w*)><(?P<name2>\w*)>.*</(?P=name2)></(?P=name1)>", "<html><h1>www.itcast.cn</h2></html>")
ret.group()
re模块的高级用法
- search(搜索)
- findall(所有成功匹配的字符)
- sub(将匹配到的字符进行替换)
- split(根据匹配进行切割字符串,并返回一个列表)
贪婪和非贪婪 - 在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪
- “.+”会从字符串的启始处抓取满足模式的最长字符
r的作用 - Python中字符串前面加上 r 表示原生字符串
- 正则表达式里使用"“作为转义字,那么使用编程语言表示的正则表达式里将需要4个反斜杠”\"
mm = "c:\\a\\b\\c"
ret = re.match(r"c:\\a",mm).group()
print(ret)
import re
st = '这#是#一#个#很*寂*寞*的#天#,#下#着#有#些#伤@心@的@雨@'
pat = r'[#\*@]'
music = re.sub(pat,'',st)
print(music)
这是一个很寂寞的天,下着有些伤心的雨
#c:\a
修饰符 描述
re.I 使匹配对大小写不敏感
re.L 做本地化识别(locale-aware)匹配
re.M 多行匹配,影响 ^ 和 $
re.S 使 . 匹配包括换行在内的所有字符
re.U 根据Unicode字符集解析字符。这个标志影响 \w, \W, \b, \B.
re.X 该标志通过给予你更灵活的格式以便你将正则表达式写得更易于理解。