在Python中,要提取文本的字符串,有多中方法,如使用正则表达式,BeautifulSoup或Xpath等来提取。下面讲解用正则表达式来提取字符串。
一、单个位置的字符串提取
这种情况我们可以使用(.+?)这个正则表达式来提取。 举例,一个字符串"a123b",如果我们想提取ab之间的值123,可以使用findall配合正则表达式,这样会返回一个包含所以符合情况的list。
代码如下:
import re
str = "a123b"
print re.findall(r"a(.+?)b",str)#
输出['123']
1.1贪婪和非贪婪匹配
如果我们有一个字符串”a123b456b”,如果我们想匹配a和最后一个b之间的所有值而非a和第一个出现的b之间的值,可以用?来控制正则贪婪和非贪婪匹配的情况。
代码如下:
import re
str = "a123b456b"
print re.findall(r"a(.+?)b", str)
输出
['123']#?控制只匹配0或1个,所以只会输出和最近的b之间的匹配情况
print re.findall(r"a(.+)b", str)
输出
['123b456']
print re.findall(r"a(.*)b", str)
输出
['123b456']
1.2多行匹配
如果你要多行匹配,那么需要加上re.S和re.M标志. 加上re.S后。将会匹配换行符,默认.不会匹配换行符。
代码如下:
str = "a23b\na34b"
re.findall(r"a(\d+)b.+a(\d+)b", str)
输出[]
因为不能处理str中间有\n换行的情况
re.findall(r"a(\d+)b.+a(\d+)b", str, re.S)
输出[('23', '34')]
加上re.M后,^$标志将会匹配每一行,默认^和$只会匹配第一行。
代码如下:
str = "a23b\na34b"
re.findall(r"^a(\d+)b", str)
输出['23']
re.findall(r"^a(\d+)b", str, re.M)
原文自:https://www.py.cn/faq/python/11737.html