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)
s = re.match(r"abc(.*?)i", "abcdefghi").group(1)
print(result.group())
print(result.span())
print(s)
Hello 123 4567 World_This is a Regex Demo
(0, 41)
defgh
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 $5.00'
result = re.match('price is \$5\.00', content)
总结:尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、有换行符就用re.S
2 re.search
扫描整个字符串并返回第一个成功的匹配。
总结:为匹配方便,能用search就不用match
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result)
print(result.group(1))
<_sre.SRE_Match object; span=(13, 53), match=‘Hello 1234567 World_This is a Regex Demo’>
1234567
3 re.findall
搜索字符串,以列表形式返回全部能匹配的子串。
import re
html = '''<div id="songs-list">
<h2 class="title">经典老歌</h2>
<p class="introduction">
经典老歌列表
</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">
<a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
</li>
<li data-view="4" class="active">
<a href="/3.mp3" singer="齐秦">往事随风</a>
</li>
<li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
<li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
<li data-view="5">
<a href="/6.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>', html, re.S)
# 另一种匹配策略,html = re.sub('<a.*?>|</a>', '', html),去掉不同的内容,再匹配
print(results)
for result in results:
print(result[1])
表达式 | 描述 |
---|---|
* | 0个或多个 |
? | 0个或1个 |
*? | 非贪婪模式 |
\s*? | 是否有换行符 |
() | 表示一个组,可用来匹配目标 |
(<a.*?>)? | 是否有a标签 |
4 re.sub
替换字符串中每一个匹配的子串后返回替换后的字符串。
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('\d+', '', content)
print(content)
Extra stings Hello World_This is a Regex Demo Extra stings
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)
Extra stings Hello 1234567 8910 World_This is a Regex Demo Extra stings
5 re.compile
将正则字符串编译成正则表达式对象,以便于复用该匹配模式。
pattern = re.compile('^Hello.*Demo$', re.S)
result = re.match(pattern, content)