一.常用的匹配规则
模式 | 描述 |
---|---|
\w | 描述匹配字母、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 |
\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 |
[…] | 用来表示一组字符,单独列出,例如[amk]用来匹配a、m或k |
[^…] | 匹配不在]中的字符,例如匹配除了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 |
二.常用函数
1. result.group()
- group方法可以输出匹配到的内容,通过传入索引即可获取提取结果。
import re
#.*:匹配任意字符(除换行符)无限次且尽可能多的匹配字符,所以这里只给\d+留下一个可满足条件的7
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$', content)
print(result)
print(result.group(1))
<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
7
import re
#.*?:匹配尽可能少的字符。字符串中间尽量使用.*?
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$', content)
print(result)
print(result.group(1))
<re.Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
1234567
import re
# .*?是匹配除换行符之外的所有字符,当遇到换行符后就不匹配了,这种情况需要加一个修饰符re.S
# result = re.match('^He.*?(\d+).*?Demo$', content, re.S)
content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content)
print(result.group(1))
Traceback (most recent call last):
File "E:/PycharmProjects/pythonProject/jiahua_test.py", line 7, in <module>
print(result.group(1))
AttributeError: 'NoneType' object has no attribute 'group'
2. result.search()
- 扫描整个字符串,返回第一个匹配成功的结果。推荐。
- 对比match(),match方法在使用时需要考虑目标字符串开头的内容。不推荐。
import re
content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
#下面search换成match就匹配不到了
result = re.search('Hello.*?(\d+).*?Demo', content)
print(result.group(1))
3. result.findall()
- 返回与正则表达式相匹配的所有字符串(search()是一个)。
4. result.sub()
- 替换匹配到的内容。
import re
content = '54aK54yr5oiR54ix5L2g'
content = re.sub('\d+', '', content)
print(content)
aKyroiRixLg
5. result.compile()
- 将正则字符串编译成正则表达式对象,以便在后面的匹配中复用。
import re
content1 = '2019-12-15 12:00'
content2 = '2019-12-17 12:55'
content3 = '2019-12-22 13:21'
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern, '', content1)
result2 = re.sub(pattern, '', content2)
result3 = re.sub(pattern, '', content3)
print(result1, result2, result3)
2019-12-15 2019-12-17 2019-12-22
3.注意
- 转义匹配
import re
content = '(百度) www.baidu.com'
result = re.match('\(百度\) www\.baidu\.com', content)
print(result)
<re.Match object; span=(0, 18), match='(百度) www.baidu.com'>
- r’\b\n’
前面加'r'是为了告诉编译器,不要对引号里的\b\n进行转义,把它当做普通字符串来看
文章参考:《Python3 网络爬虫开发实战第二版》