在线正则表达式测试
http://tool.oschina.net/regex/
常见匹配模式
| 模式 | 描述 |
|---|---|
| \w | 匹配字母数字及下划线 |
| \W | 匹配非字母数字下划线 |
| \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 |
| \A | 匹配字符串开始 |
| \Z | 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串 |
| \z | 匹配字符串结束 |
| \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 |
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的末尾。 |
| . | 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：[amk] 匹配 'a'，'m'或'k' |
| [^...] | 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。 |
| * | 匹配0个或多个的表达式。 |
| + | 匹配1个或多个的表达式。 |
| ? | 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式 |
| {n} | 精确匹配n个前面表达式。 |
| {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 |
| a|b | 匹配a或b |
| ( ) | 匹配括号内的表达式，也表示一个组 |
re.match
re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。
|
1
|
re.match(pattern, string, flags
=
0
)
|
最常规的匹配
|
1
2
3
4
5
6
7
8
|
import
re
content
=
'Hello 123 4567 World_This is a Regex Demo'
print
(
len
(content))
result
=
re.match(
'^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$'
, content)
print
(result)
print
(result.group())
print
(result.span())
|
41 <_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'> Hello 123 4567 World_This is a Regex Demo (0, 41)
泛匹配
|
1
2
3
4
5
6
7
|
import
re
content
=
'Hello 123 4567 World_This is a Regex Demo'
result
=
re.match(
'^Hello.*Demo$'
, content)
print
(result)
print
(result.group())
print
(result.span())
|
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'> Hello 123 4567 World_This is a Regex Demo (0, 41)
匹配目标
|
1
2
3
4
5
6
7
|
import
re
content
=
'Hello 1234567 World_This is a Regex Demo'
result
=
re.match(
'^Hello\s(\d+)\sWorld.*Demo$'
, content)
print
(result)
print
(result.group(
1
))
print
(result.span())
|
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> 1234567 (0, 40)
贪婪匹配
|
1
2
3
4
5
6
|
import
re
content
=
'Hello 1234567 World_This is a Regex Demo'
result
=
re.match(
'^He.*(\d+).*Demo$'
, content)
print
(result)
print
(result.group(
1
))
|
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> 7
非贪婪匹配
|
1
2
3
4
5
6
|
import
re
content
=
'Hello 1234567 World_This is a Regex Demo'
result
=
re.match(
'^He.*?(\d+).*Demo$'
, content)
print
(result)
print
(result.group(
1
))
|
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'> 1234567
匹配模式
|
1
2
3
4
5
6
7
|
import
re
content
=
'''Hello 1234567 World_This
is a Regex Demo
'''
result
=
re.match(
'^He.*?(\d+).*?Demo$'
, content, re.S)
print
(result.group(
1
))
|
1234567
转义
|
1
2
3
4
5
|
import
re
content
=
'price is $5.00'
result
=
re.match(
'price is $5.00'
, content)
print
(result)
|
None
|
1
2
3
4
5
|
import
re
content
=
'price is $5.00'
result
=
re.match(
'price is \$5\.00'
, content)
print
(result)
|
<_sre.SRE_Match object; span=(0, 14), match='price is $5.00'>
总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、有换行符就用re.S
re.search
re.search 扫描整个字符串并返回第一个成功的匹配。
|
1
2
3
4
5
|
import
re
content
=
'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result
=
re.match(
'Hello.*?(\d+).*?Demo'
, content)
print
(result)
|
None
|
1
2
3
4
5
6
|
import
re
content
=
'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
result
=
re.search(
'Hello.*?(\d+).*?Demo'
, content)
print
(result)
print
(result.group(
1
))
|
<_sre.SRE_Match object; span=(13, 53), match='Hello 1234567 World_This is a Regex Demo'> 1234567
总结：为匹配方便，能用search就不用match
匹配演练
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import
re
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.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
</li>
</ul>
</div>'''
result
=
re.search(
'<li.*?active.*?singer="(.*?)">(.*?)</a>'
, html, re.S)
if
result:
print
(result.group(
1
), result.group(
2
))
|
齐秦 往事随风
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import
re
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.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
result
=
re.search(
'<li.*?singer="(.*?)">(.*?)</a>'
, html, re.S)
if
result:
print
(result.group(
1
), result.group(
2
))
|
任贤齐 沧海一声笑
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import
re
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.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
result
=
re.search(
'<li.*?singer="(.*?)">(.*?)</a>'
, html)
if
result:
print
(result.group(
1
), result.group(
2
))
|
beyond 光辉岁月
re.findall
搜索字符串，以列表形式返回全部能匹配的子串。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
import
re
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.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
results
=
re.findall(
'<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>'
, html, re.S)
print
(results)
print
(
type
(results))
for
result
in
results:
print
(result)
print
(result[
0
], result[
1
], result[
2
])
|
output
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
import
re
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.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
results
=
re.findall(
'<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>'
, html, re.S)
print
(results)
for
result
in
results:
print
(result[
1
])
|
output
re.sub
替换字符串中每一个匹配的子串后返回替换后的字符串。
|
1
2
3
4
5
|
import
re
content
=
'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content
=
re.sub(
'\d+'
, '', content)
print
(content)
|
Extra stings Hello World_This is a Regex Demo Extra stings
|
1
2
3
4
5
|
import
re
content
=
'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content
=
re.sub(
'\d+'
,
'Replacement'
, content)
print
(content)
|
Extra stings Hello Replacement World_This is a Regex Demo Extra stings
|
1
2
3
4
5
|
import
re
content
=
'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content
=
re.sub(
'(\d+)'
, r
'\1 8910'
, content)
print
(content)
|
Extra stings Hello 1234567 8910 World_This is a Regex Demo Extra stings
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
import
re
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.mp3" singer="邓丽君">但愿人长久</a>
</li>
</ul>
</div>'''
html
=
re.sub(
'<a.*?>|</a>'
, '', html)
print
(html)
results
=
re.findall(
'<li.*?>(.*?)</li>'
, html, re.S)
print
(results)
for
result
in
results:
print
(result.strip())
|
output
re.compile
将正则字符串编译成正则表达式对象
将一个正则表达式串编译成正则对象，以便于复用该匹配模式:
|
1
2
3
4
5
6
7
8
|
import
re
content
=
'''Hello 1234567 World_This
is a Regex Demo'''
pattern
=
re.
compile
(
'Hello.*Demo'
, re.S)
result
=
re.match(pattern, content)
#result = re.match('Hello.*Demo', content, re.S)
print
(result)
|
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This\nis a Regex Demo'>
实战练习
源码在git上：https://gitee.com/longlovemeng/Spider.git
387
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
