正则表达式——字符串匹配
字符组[] 匹配在同一位置可能出现的多种情况组成的字符组合
import re
ret = re.findall('[a-z]','a1b2c3') #[a-z]匹配小写a-z
print(ret)
结果为[‘a’, ‘b’, ‘c’]
字符
元字符 | 匹配的内容 |
---|---|
. | 匹配换行符以外的任意字符 |
\w | 匹配字母数字与下划线(word) |
\d | 匹配数字(digit) |
\s | 匹配任意空白符(space) |
\W | 匹配非字母或数字或下划线 |
\D | 匹配非数字 |
\S | 匹配非空白符 |
\n | 匹配一个换行符 |
\t | 匹配一个制表符 |
\b | 匹配一个单词的结尾 |
^ | 匹配字符串的开始 |
$ | 匹配字符串的结尾 |
a|b | 匹配字符a或字符b |
[…] | 匹配字符组中的字符 |
[^…] | 匹配除了字符组中字符的所有字符 |
量词
量词 | 用法 |
---|---|
* | 重复零次或多次 |
+ | 重复一次或多次 |
? | 重复零次或一次 |
{n} | 重复n次 |
{n,} | 重复n次或n+次 |
{n,m} | 重复n次到m次 |
对于量词不加问号都是贪婪匹配,也就是尽可能多的匹配,加了问号就变成惰性匹配也就是尽可能少的匹配
import re
ret = re.findall('.{1,4}','123456789') #贪婪匹配任意非\n的字符,匹配1-4次
print(ret)
ret = re.findall('.{1,4}?','123456789') #惰性匹配任意非\n的字符,匹配1-4次
print(ret)
结果为
[‘1234’, ‘5678’, ‘9’]
[‘1’, ‘2’, ‘3’, ‘4’, ‘5’, ‘6’, ‘7’, ‘8’, ‘9’]
.?的用法
. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符,
.?x就是取前面任意长度的字符,直到一个x出现
import re
ret = re.findall('<.*?>','<script>...<script>123')
print(ret)
结果为
[’<script>’,’<script>’]