Python使用Regular入门

最新推荐文章于 2024-01-21 20:51:22 发布

weixin_30566149

最新推荐文章于 2024-01-21 20:51:22 发布

阅读量647

点赞数

文章标签： python 数据库 javascript ViewUI

原文链接：http://www.cnblogs.com/mysticbinary/articles/10766831.html

版权

Regular是什么
先认识3个对称号
[ ]
{ }
( )
- 案例-匹配同样模式ip段：
- 案例-多个分组选择字符类功能:
分枝条件
断言
对称压栈
案例
- 案例1-获取html文本里面token
- 案例2-获取html里面的注释

Regular是什么

使用上和SQL有点像；

不同的数据库产品使用的语句都有差别，但是标准是SQL；
Regular也一样，不同的Regular引擎产品所执行的语句会有小差异，但是标准是一样的。

先认识3个对称号

will learn Regular , The best way is to remember three.

符号	说明
[ ]	[ x ] 内是需要匹配的字符 .
{ }	{c1,c2} 内是指定匹配字符的数量。
( )	重复多个字符的方法

需要匹配的时候，区分要匹配的字符里面所有字符格式是不是都一致，不一致的话，建议从最内部的开始匹配，逐渐向外。

[ ]

[ x ] 内是需要匹配的字符 .

元字符（匹配的快捷方法）

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字 [a-z0-9A-Z_] + [\u4e00-\u9fa5]“(有些引擎可能用) ”
\s	匹配任意的空白符
\d	匹配数字 [0-9]
\b	匹配单词的开始或结束 ^ or $

下面是一些使用重复的例子：

Windows\d+ 匹配Windows后面跟1个或更多数字

^\w+ 匹配一行的第一个单词(或整个字符串的第一个单词，具体匹配哪个意思得看选项设置)

# ^...$

代码	说明
^	匹配字符串的开始
$	匹配字符串的结束

和\b 类似；

\b --- 代表着单词的开头或结尾，也就是单词的分界处。虽然通常英文的单词是由空格，标点符号或者换行来分隔的，但是\b并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。

字符转义

如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用.和*。当然，要查找\本身，你也得用\.

例如：
unibetter\.com 匹配 unibetter.com
C:\\Windows 匹配 C:\Windows

自定义字符

如果你想匹配没有预定义元字符的字符集合(比如元音字母a,e,i,o,u),应该怎么办？

很简单，你只需要在方括号里列出它们就行了，像[aeiou]就匹配任何一个英文元音字母，[.?!]匹配标点符号(.或?或!)。

反义字符 (大写)

有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

例子：\S+匹配不包含空白符的字符串。

<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

{ }

{c1,c2} 内是指定匹配字符的数量 , 贪婪与懒惰

符号	说明
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

( )

匹配重复多个字符的方法

上面说的都是怎么重复单个字符，就是直接在字符后门加上限定符就行了。

需求 Q：如果想重复多个字符怎么做？

A：可以用小括号来指定子表达式(也叫做分组)，然后你就可以指定这个子表达式的重复次数了。

案例-匹配同样模式ip段：

192.168.0.1

(\d{1,3}\.){3}\d{1,3} 是一个简单的IP地址匹配表达式
请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})

案例-多个分组选择字符类功能:

上面的表达式也能匹配到 256.300.888.999 这种不可能存在的IP地址，(最大255)

如果能使用算术比较的话，或许能简单地解决这个问题。

列举出正确的ip段.......

但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：

((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)

分枝条件

我们需要用到分枝条件。正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开。听不明白？没关系，看例子：

0\d{2}-\d{8}|0\d{3}-\d{7} 这个表达式能匹配两种模式：

一种是三位区号，8位本地号(如010-12345678)

一种是4位区号，7位本地号(0376-2233445)。

断言

待续...

对称压栈

待续...

案例

案例1-获取html文本里面token

html文本：

<div class="r" style="margin-top: 20px; margin-right: 0px; margin-left: 240px; padding: 0px; float: center;">
                <form id="form" method="post" action="http://fjmsxw.cmbc.com.cn/feedback.html">
                    <input type="hidden" name="formToken" value="nyFUzIwxTKygVehq">
                    <div style="margin-top:10px;">
                        &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;标题： <input type="text" style="line-height: 26px; height: 26px" id="title" name="title" value="" placeholder="标题">&nbsp;*必填
                        <form:errors path="command.title" element="span" cssClass="error-label" />
                    </div>

code：


#1. 获取全部类似，用list返回
tokens = re.findall("value=\"(\w*?)\"", r.text)
print(tokens)
print(tokens[0])

#2. 获取全部类似，用list返回
tokens = re.findall("value=\"[\w]{16}\"", reponse2)
print(tokens)
tokens2 = tokens[0][8:-1]
print(tokens2)
// nyFUzIwxTKygVehq

案例2-获取html里面的注释

不能匹配到嵌套；