. 表示匹配除了换行符之外的任何单个字符(. 即代表了一个任意字符)
* 表示匹配前面的子表达式任意次(包括0次)
得到
此处的“ ,.*”表示获取‘,’及其之后的任意次数的字符。
因为任意次数也包括0次(即没有字符的形式),所以在文本的最后一行仍有‘,’的输出。
若想得到“是什么颜色的”(如“是黑色的”)的内容,则可改为如下形式
得到
+ 表示匹配前面的子表达式任意次(不包括0次)
若通过+得到同上方相同结果,则可表示为
? 表示匹配前面的子表达式0次或1次
如想在下面文本得到,后的颜色,则可表示为r’,.?色’
{}(花括号)表示前面的字符匹配指定的次数
如:字{3,4}则表示匹配的连续的 ‘字’ 字至少3次,最多4次
如下方文本中为获取数字,则可使用
反斜杠 \
(1)可用于对元字符的转义
(2)在反斜杠后加上特定字符可以匹配某种特定类型的字符
\d 表示匹配0到9之间任意一个数字字符
\D 表示匹配任意一个不是0到9之间的字符
\s 表示匹配任意一个空白字符,包括空格、换行符、tab等
\S 匹配任意一个非空白字符
\w 匹配任意一个文字字符,包括大小写字母、数字、下划线
\W 匹配任意一个非文字字符
如为得到下列文本中包括.及其前面的内容,则可
利用\S则可匹配任意一个非空白字符
注:因为\w也包括了英文字母,若想在人名中只找到想要的英文名,则可在代码中第5行增加 re.A,也可为re.ASCII,
即m=re.compile(r'\w{2,4}',re.ASCI或m=re.compile(r'\w{2,4}',re.A )
方括号[]
(1)可表示要匹配某几种类型的字符,如[akw.]表示匹配文本中有a k w .任意的字符;其中若范围较大可用-,如包含abcd中任意一个都行则可表示为[a-d]
(2)在括号里的元字符表示其本身的意思,如[.]就只表示匹配文本中的.
(3)在括号里用^表示在文本中匹配“非”括号里的内容
练习:
(1)如为得到下列文本中15或18开头的号码,则可用1[58]\d{8}表示
同时,若想要找到范围较大,可借助-,如想找的第二位是5到8中任意一个数字都行,则可表示为1[5-8]\d{8},此时如11开头的就不会被包括在内显示出来。
(2)在括号里的元字符表示其本身的意思,如[.]就只表示匹配文本中的.
如想找到.或者,开头,再连着一个字母和+的号码,则可直接在方括号里表示出来
(3)在括号里用^表示在文本中匹配“非”括号里的内容
如想在文本中得到除abc123之外的内容(注:^abc123不是表示除了abc123这个连在一起的整体,而是除了其中任意一个都是)
^
- 表示匹配文本的起始位置
(注:若是单行模式,则表示匹配整个文本的开头位置;
若是多行模式,则表示匹配文本每行的开头位置;
$也是,把开头换成结尾位置即可)
- 用于方括号[]中可表示在文本中匹配“非”括号里的内容
$ 表示匹配文本的结束位置
练习:(^与$的应用相似,只是一个是得到开头一个是结尾,可类比)
将$和^结合起来,获取开头和结尾的数字
括号()
为正则表达式中的组选择,即从正则表达式匹配的内容中得到其中的某些部分
练习:
若想得到逗号前面的内容,若以逗号为特征在应用时得到的结果会包含逗号,如下
则可通过括号r”(.*),”
可得到
若想得到多组,如想在以下文本中只得到人名和其对应号码
贪婪模式与非贪婪模式
如想把下面的字符串中<html><head><title>Title</title>的所有html标签都提取出来,若直接使用r’<.*>’则会得到如下结果
原因即是使用*或+时,会尽可能多的匹配内容,所以它会把<>当作从第一个“<”到最后一个“>”中的内容当为一体来提取出来,所以要加上“?”,如下
切割字符串(split方法)
字符串对象的split 方法只适用于简单的字符串分割,若字符串之间的符号多种多样时,如下,则可通过此方法去得到相应的字符串