Python正则表达式总结:
1.了解正则表达式
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
正则表达式是用来匹配字符串非常强大的工具,在其他编程语言中同样有正则表达式的概念,Python同样不例外,利用了正则表达式,我们想要从返回的页面内容提取出我们想要的内容就易如反掌了。
正则表达式的大致匹配过程是:
1.依次拿出表达式和文本中的字符比较,
2.如果每一个字符都能匹配,则匹配成功;一旦有匹配不成功的字符则匹配失败。
3.如果表达式中有量词或边界,这个过程会稍微有一些不同。
常用方法:
- 行定位符:‘^’表示行的开始位置;‘$’表示行的末尾
- 元字符串:
代码 说明
‘.’ 匹配除换行符以外的任意字符
\w 匹配字母,数字,下划线或汉字
\s 匹配任意的空格字符
\d 匹配数字
\b 匹配单词的开始或结束
^ 匹配字符串的开始
$ 匹配字符串的结束 - 限定符
限定符 说明 举例
? 匹配前面的字符零次或一次 Colou?r,该表达式可匹配colour和color
+ 匹配前面的字符一次或多次 go+gle,该表达式可以匹配的范围从gogle到goo……gle
* 匹配前面的字符零次或多次 go*gle,该表达式可以匹配的范围从ggle到goo……gle
{n} 匹配前面的字符n次 go{2}gle,该表达式只匹配google
{n,} 匹配前面的字符最少n次 go{2,}gle,该表达式可以匹配的范围从google到goo……gle
{n,m} 匹配前面的字符最少n,最多m次 Employe{0,2},该表达式可以匹配employ,employe和employee3种情况 - 字符类:只需要在方括号里列出他们就行如:[aeiou]
- • re.I(全拼:IGNORECASE): 忽略大小写(括号内是完整写法,下同)
• re.M(全拼:MULTILINE): 多行模式,改变’^‘和’$‘的行为(参见上图)
• re.S(全拼:DOTALL): 点任意匹配模式,改变’.'的行为
• re.L(全拼:LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定
• re.U(全拼:UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性
• re.X(全拼:VERBOSE): 详细模式。这个模式下正则表达式可以是多行,忽略空白字符,并可以加入注释
在刚才所说的另外几个方法例如 re.match 里我们就需要用到