正则表达式基础

正则表达式基础

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字下划线
\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a或b
( )	匹配括号内的表达式，也表示一个组

1 re.match

1.1 常规匹配

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成功的话，match()就返回none。

import re

content = 'Hello 123 4567 World_This is a Regex Demo666666666'      #长度50
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo', content)
print(result.group())
print(result.span())

Hello 123 4567 World_This is a Regex Demo

(0, 41)

1.2 泛匹配

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$', content)

1.3匹配目标

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWo(\w)ld.*Demo$', content)
print(result.group())
print(result.group(0))
print(result.group(1))
print(result.group(2))
print(result.span())

输出：
Hello 1234567 World_This is a Regex Demo
Hello 1234567 World_This is a Regex Demo
1234567
r
(0, 40)

1.4 贪婪匹配/非贪婪模式

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
result1 = re.match('^He.*?(\d+).*Demo$', content)
print(result.group(1))
print(result1.group(1))

输出：
7
1234567

1.5 匹配模式

re.S（.包括换行符）

import re

content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)    
print(result.group(1))

1234567

1.6 转义字符

content = 'price is $5.00'
result = re.match('price is \$5\.00', content)

总结：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

2 re.search

扫描整个字符串并返回第一个成功的匹配。

总结：为匹配方便，能用search就不用match

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result)
print(result.group(1))

<_sre.SRE_Match object; span=(13, 53), match=’Hello 1234567 World_This is a Regex Demo’>

1234567

3 re.findall

搜索字符串，以列表形式返回全部能匹配的子串。

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)
# 另一种匹配策略，html = re.sub('<a.*?>|</a>', '', html)，去掉不同的内容，再匹配
print(results)
for result in results:
    print(result[1])

表达式	描述
*	0个或多个
?	0个或1个
*?	非贪婪模式
\s*?	是否有换行符
()	表示一个组，可用来匹配目标
(

4 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。

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('\d+', '', content)
print(content)

Extra stings Hello World_This is a Regex Demo Extra stings

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)

Extra stings Hello 1234567 8910 World_This is a Regex Demo Extra stings

5 re.compile

将正则字符串编译成正则表达式对象，以便于复用该匹配模式。

pattern = re.compile('^Hello.*Demo$', re.S)
result = re.match(pattern, content)