正则表达式-进阶之定位与断言（python使用re模块及注意事项）

换一个高级点的在线工具（http://tool.chinaz.com/regex/），包含常用匹配和着色显示，很不错。

python中的调用方法

import re

txt = u'<a href="//csdn.net/488732" title="首页" class=""></a>'
par = re.compile(pattern=u"href=\"(\/\/[^\"]+)", flags=re.IGNORECASE)  #正则语句 忽略大小写标志

# 匹配方式有很多 这里是所有
matchs = re.findall(par, txt) 
print(matchs)

#for match in matchs: 可以for遍历输出
# 注意两种模式u和b   u可以表示unicode编码可以表示汉字 b表示字节码
                  # 正则语句要和txt输入的模式一致 都是b或者都是u

# 该代码测试可以成功运行

 

 

以前在做一些小的程序时候，突然发现基本的正则匹配已经满足不了我的需求了，我需要更加强大的功能。

定位：设定开始匹配和结束匹配的位置对于字符串的关系

断言：设定开始匹配和结束匹配的位置需要满足的要求

 

定位

我们仅需要在开始或结尾位置的匹配项 此时需要行定位符^和$   边界定位符\b和\B

假设：Boy！that boy is a good boy

boy 可以匹配一下结果

我们仅想匹配结尾位置的boy，则使用$表示字符串结尾位置

boy$ 匹配结果如下

如果想仅仅匹配开始位置的boy，使用^匹配字符串开始的位置

^boy 匹配结果如下

 

 

前面的两个字符用于匹配行开始和结尾，我们的\b则是用于匹配单词边界，包括，。-和空格，这些都算作单词边界

而\B则是与之相反的其他所有情况

look at that bird-girl,The girl will be my girlfriend.

对着这句话我们仅想匹配单词中包含girl，而不想匹配girl这个词。

[\B\-]girl|girl\B              //小例子 不一定很精确

 

 

断言

断言是一个假设的条件，它用于限定匹配字符串的前后关系，也就是我们常说的要求前面有什么后面有什么。

前向断言：(?<=pattern)   (?<!pattern) 

后向断言     (?=pattern)      (?!pattern) 

这两个类似于子匹配的形式不会出现在结果中，仅用于限定前后的模式，前向是用于限定前面的，后向是用于限定后面的。

=则表示肯定断言，即是什么                ！则表示否定断言，即表示不是什么

拿两个非常具有代表性的例子说一下

假设有有这么一个xml文档，我们要提取这个文档有哪些标签。

<?xml version="1.0" encoding="UTF-8"?>
<students>
    <class a_name = "12D">
        <student>
            <name>俄罗斯</name>
            <age>18</age>
            <sex>女</sex>
            <number>0037</number>
            <score>98</score>
        </student>
    </class>
</students>

我们可以看到，标签的规则是有一对<>包围，所以我们可以这么写正则匹配表达式

(?<=<)[a-z]+(?=>)

第二个例子就是比较绕口哈  

爱就是爱，我爱你，你爱我，这就是爱。
虽然他爱你，但是你不爱他，这就不是爱。  

 我们要寻找爱，但仅匹配前后是人称代词的

断言内部是匹配表达式，同样也是支持逻辑操作的

(?<=我|你|他)爱(?=我|你|他)

 

总结

这个东西知道有这么个用法，在实际中摸索一下就没有问题。

定位和断言给了我们对正则匹配更加精确的控制，非常good。

python中正则的使用已经写前面了。