1、元字符
.:除换行符以外的任意字符,re.S使.匹配包括换行的所有字符
[]:字符集,多个字符选一个,[^...]取反
():表示字符内的一个组
|:把字符做或操作
^:匹配字符串的开头
$:匹配字符串的结尾
?:匹配0或1个,非贪婪
+:匹配1到多个,默认贪婪模式
*:匹配0到多个,默认贪婪模式
{ 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
\:转义符
import re
"""
斜杠\后面跟特殊字符取消特殊功能,例如\.
斜杠后面跟元字符添加特殊功能,例如:
\d 匹配任何十进制数;它相当于[0-9]
\D 匹配任何非十进制数;它相当于[^0-9]
\s 匹配任何空白字符;它相当于[\r\t\n\f\v]
\S 匹配任何非空白字符;相当于[^\r\t\n\f\v]
\w 匹配任何字母数字字符;相当于[A-Za-z0-9]
\W 匹配任何非字母数字字符;相当于[^A-Za-z0-9]
\b 匹配一个特殊字符边界 比如:空格 ,&,#等
"""
data1=re.findall("[\d]+","hello world 123 456")
print(data1)#['123', '456']
2、正则方法
import re
# 查找所有符合条件的对象
# re.findall() # 返回列表
# 查找第一个符合条件的匹配对象
s = re.search("\d+","a45bcd678")
print(s)
print(s.group())
"""
执行结果:<re.Match object; span=(1, 3), match='45'>
45
"""
# match同search,不过只在字符串开始处进行匹配
s = re.match("\d+","a45bcd678")
print(s)#None
#print(s.group())
# 正则分割split
ret = re.split('[ab]', 'abcd')
print(ret)#['', '', 'cd']
##正则替换
# \1代指第一个组匹配的内容 \2第二个组匹配的内容,思考如何能将所有的名字转大写替换
ret = re.sub("(hello )(.*?)(,)","\\1yuan\\3","hello python,hello world,hello re,")
print("ccc",ret)#ccc hello yuan,hello yuan,hello yuan,
# 编译再执行
obj=re.compile('\d{3}')
ret=obj.search('abc123ee45ff')
print(ret.group()) # 123
3、爬虫豆瓣网
import re
fp=open("chart","r")
result=""
for line in fp.readlines():
result+=line
"""
爬虫豆瓣网
先编译再执行
?P<pattern>匹配
正则捕获组?P=pattern可以复用格式
"""
data2=re.compile('<div class="pl2">.*?<a href=".*?" .*?>[\s]*(?P<filmname>.*?)\n.*?<span .*?>(?P<filmtype>.*?)</span>',re.S)
print(data2.findall(result))
"""
执行结果:
[('不要抬头', '千万别抬头 / 别往天上看'), ('黑客帝国:矩阵重启', '22世纪杀人网络:复活次元(港) / 骇客任务:复活(台)'), ('法兰西特派', '法兰西诸事周报(港) / 法兰西特派周报(台)'), ('哈利·波特20周年:回到霍格沃茨', '哈利·波特20周年特辑:重返霍格沃茨'), ('魔法满屋', '奇幻魔法屋(港) / 音乐的魔法'), ('新生化危机', '恶灵古堡首部曲:拉昆市(台) / 生化危机:欢迎来到浣熊市'), ('杰伊·比姆', '万岁毕姆 / 斗争万岁'), ('天鹅挽歌', '天鹅之歌 / 最后绝唱'), ('倒数时刻', '滴答,滴答……轰隆隆 / 梦想期限(港)'), ('芬奇', '芬奇的旅程 / 生化')]
"""