1. 前言
Python 中的re库很常用资料也很多以下只是做一些自己的记录如果能帮助到有需要的人更好哈哈哈
- 主要有三个筛选函数
- MATH() : 从字符串的开头开始匹配的,一旦开头不匹配,那么整个匹配就失败了。
- SEARCH() :搜索整个HTML文本,找到符合正则表达式的第一个内容返回。
- FINDALL() : 搜索整个字符串,然后返回匹配正则表达式的所有内容。
- 贪婪与非贪婪
- 两者之间的区别就是 .*? 的区别,贪婪:尽可能匹配多的字符,非贪婪则反之。
- Tips: group其实就相当于调取某个字段。
import re content = 'http://weibo.com/comment/kEraCN' result1 = re.match('http.*?comment/(.*?)', content) result2 = re.match('http.*?comment/(.*)', content) print('result1', result1.group(1)) print('result2', result2.group(1)) 返回结果: result1 result2 kEraCN
2. 常用匹配规则及修饰符表
- 常用匹配规则
模式
描述
\w 匹配字母、数字及下划线
\W 匹配不是字母、数字及下划线的字符
\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 匹配任意非数字的字符
\A 匹配字符串开头
\Z 匹配字符串结尾,如果存在换行,只匹配到换行前的结束字符串
\z 匹配字符串结尾,如果存在换行,同时还会匹配换行符
\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
^ 匹配一行字符串的开头
$ 匹配一行字符串的结尾
. 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,比如[amk]匹配a、m或k
[^...] 不在[]中的字符,比如[^abc]匹配除了a、b、c之外的字符
* 匹配0个或多个表达式
+ 匹配1个或多个表达式
? 匹配0个或1个前面的正则表达式定义的片段,非贪婪方式
{n} 精确匹配n个前面的表达式
{n, m} 匹配n到m次由前面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
- 修饰符
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和\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
3. 三个方法的使用案例
#!/usr/bin/python3
#-*- coding:utf-8 -*-
import re
class reFunction:
def __init__(self):
self.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.mp4" singer="kitty">love</a></li>
<a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
</li>
</ul>
</div>
'''
self.content = '54aK54yr5oiR54ix5L2g'
self.contentTwo = 'Hello 123 4567 World_This is a Regex Demo'
self.content1 = '123345 88:00'
self.content2 = '123345 33:33'
self.content3 = '123345 33:54'
def reSub(self):
reSub = re.sub('\d+', '', self.content)
print("This is sub function: %s" %reSub)
def reMath(self):
#reMaths = re.match('^Hello\s(\d+)\sWorld', self.contentTwo)
result = re.match('^Hello\s(\d+\s\d+)\sWorld', self.contentTwo, re.S)
print("This is math function: %s" %result.group())
def reCompile(self):
check = re.compile('\d{2}:\d{2}')
self.content1 = re.sub(check, '', self.content1)
self.content2 = re.sub(check, '', self.content2)
self.content3 = re.sub(check, '', self.content3)
print(self.content1, self.content2, self.content3)
def reSearch(self):
result = re.search('<a\s.*singer="(.*?)".*>(.*?)</a>', self.html, re.S)
if result:
print("Auther: %s singerName: %s" %(result.group(1),result.group(2)))
def reFindall(self):
result = re.findall('<li.*?href="(.*?)"\ssinger="(.*?)">(.*?)<.*?/li>', self.html, re.S)
#if result:
# print("singerType= %s singerName: %s singerWorks: %s" %(result[0],result[1],result[2])
for i in result:
#print("singerType= %s singerName: %s singerWorks: %s"%(i[0],i[1],i[2]))
print("singerType= "+i[0]+" singerName: "+i[1]+" singerWorks: %s"%i[2])
def contor():
ref = reFunction()
print("*"*50)
ref.reSub()
print("*"*50)
ref.reMath()
print("*"*50)
ref.reSearch()
print("*"*50)
ref.reFindall()
print("*"*50)
ref.reCompile()
contor()
Python正则表达式中的re.S
在Python的正则表达式中,有一个参数为re.S。它表示“.”(不包含外侧双引号,下同)的作用扩展到整个字符串,包括“\n”。看如下代码:
import re
a = '''asdfsafhellopass:
234455
worldafdsf
'''
b = re.findall('hello(.*?)world',a)
c = re.findall('hello(.*?)world',a,re.S)
print 'b is ' , b
print 'c is ' , c
运行结果:
is []
c is ['pass:\n\t234455\n\t']
Tips: 正则表达式中,“.”的作用是匹配除“\n”以外的任何字符,也就是说,它是在一行中进行匹配。这里的“行”是以“\n”进行区分的。a字符串有每行的末尾有一个“\n”,不过它不可见。
如果不使用re.S参数,则只在每一行内进行匹配,如果一行没有,就换下一行重新开始,不会跨行。而使用re.S参数以后,正则表达式会将这个字符串作为一个整体,将“\n”当做一个普通的字符加入到这个字符串中,在整体中进行匹配。
借鉴了以下大佬的博客:
https://www.kingname.info/2014/12/21/Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E4%B8%AD%E7%9A%84re-S/