正则表达式

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>’]

python-re模块