python-正则表达式学习笔记（入门）

最新推荐文章于 2024-05-03 07:33:18 发布

winter cicadas

最新推荐文章于 2024-05-03 07:33:18 发布

阅读量347

点赞数

分类专栏： python 文章标签： python 正则表达式学习笔记

python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

概念：

正则表达式（规则表达式：Regular Expression），通常被用来检索、替换那些符合某个模式的文本。许多程序设计语言都支持利用正则表达式进行字符串操作。

python提取字符串方式示例：

<html>
	<body>
		<p>get these chars</p>
	</body>
</html>

小白们（包括在下）常规情况下要获取上面所示简单代码中的get these chars，以所学python知识，如下：

chars = '<html><body><p>get these chars</p></body></html>'
chars_index_min = chars.find('<p>') + 3
chars_index_max = chars.find('</p>')
print(chars[chars_index_min:chars_index_max])

此时就可获取字符串：get these chars
用这种方法的确能够获取正确的字符串，但这只是提取万千代码中的一个，若要提取大量内容，恐怕烦不胜烦。而正则表达式可以良好的解决这个问题。

用正则表达式获取内容简单示例

import re

chars = r'<html><body><p>get these chars</p></body></html>'
my_chars = r'(?<=<p>).+?(?=</p>)' # 写出我们想要获取的内容的正则表达式
compile_result = re.compile(my_chars) # 编译正则表达式
matcher = re.search(compile_result, chars) # 在字符串chars中搜索内容进行匹配
print(matcher.group(0)) # 打印获取的内容

此时获取的内容如下：

get these chars

没错，正则表达式就是这种结构：

#输入要筛选的字符串
#输入要查找的内容所对应的正则表达式
#对正则表达式进行编译（compile函数）
#查找内容相对于字符串的位置（search、findall等函数）
#打印输出

正则表[达式（元字符）与其所匹配的字符或含义

字符	对应的正则表达式
[0-9]	个位的自然整数
a-z	小写字母集
A-Z	大写字母集
\d	等同于[0-9]
\D	匹配非数字，\d取非
\w	匹配数字、大小写字母、下划线
\W	匹配除了数字、大小写字母、下划线之外的字符
.	代表任意字符
\|	逻辑或操作符
[]	匹配内部的任意字符或表达式
[^]	对字符集取非
-	定义某个区间
\	取非和转义字符
*	匹配前面的字符或者子表达式
?	惰性匹配
+	匹配前一个字符或子表达式
{m,n}	匹配前一个字符至少m次，至多n次
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串结束
[\b]	退格字符
\c	匹配一个控制字符
\t	匹配制表符

特殊正则表达形式（初学仅总结这一个，以后补充）

?<= : 所匹配的内容在（?<=）之后
?= : 所匹配内容在（?=）之前

正则实例解析

欲要匹配下面代码中的div中的内容：

<html>
    <body>
        <div>I Love Python</div>
        <div>I Also Love C#</div>
    </body>
</html>

所需正则代码：

import re

# 导入要处理的字符串
chars = r'<html><body><div>I Love Python</div><div>I Also Love C#</div></body></html>'
# 输入想要获得的字符串的正则表达法
regular_char = r'(?<=<div>).+?(?=</div>)'
# 对正则表达式进行编译
char_compile = re.compile(regular_char)
# 在字符串中查找编译出的正则表达式
content = re.findall(char_compile, chars)
# 打印输出
print(content)