正则表达式一

1.find_all方法

字符匹配

import re
target ='life is short ,i learn python'
result = re.findall('python', target)
# findall是re库的一个重要方法，第一个参数是匹配规则，第二个参数是要匹配的目标字
符串，findall返回的结果是一个列表。
result1=re.findall('java',target)
print(result,result1)
#结果是['python'][]

元字符

匹配规则	释义
[abf]	表示该位置的字符为a或者b或者f，即匹配成功
[a-z]	表示该位置上的字符在a-z之间，即匹配成功
[^a-z]	表示该位置上的字符不在a-z之间，即匹配成功
\d	表示该位置上的字符是数字，即匹配成功
\D	表示该位置上的字符不是数字，即匹配成功
\w	表示该位置上的字符是字母或_，即匹配成功
\W	表示该位置上的字符不是是字母或_，即匹配成功
\s	表示该位置上是不可见字符（空格、制表符\t、垂直制表符\v,回车符\r,换行符\n,换页符\f)，即匹配成功
\S	表示该位置上是可见字符，即匹配成功

import re
target ='abc acc aec agc adc aic'
result=re.findall('a[de]c'，target)
print(result)
#结果是['aec','adc']
result1=re.findall('a[b-z]c',target)
#这一行中的[b-z]表示这个位置上的字符在b-z范围内都可以匹配出来
print(result1)
#结果是['abc','acc','aec','agc','adc','aic']
result = re.findall('a[^c‐z]c', target)
#这一行中的[^c-z]表示这个位置的字符不在c-z范围内都可以匹配出来
print(result)
#结果是['abc']
target = '点赞数：12'
result = re.findall('\d', target)
print(result)
# 得到的结果是['1', '2']
#包括上述其他字符，得到的均为单个字符

匹配规则	释义
{3}	表示{3}前面的一个字符出现3次
{3,8}	表示{}前面的一个字符出现3-8次
？	表示？前的一个字符出现0或1次
+	表示+前面的一个字符出现1次或无限多次
*	表示*前面的一个字符出现0次或无限多次

import re
content = '点赞数：12'
result = re.findall('\d{1,10}', content)
# 这一行中的\d表示一个数字字符，{1,10}表示这个\d出现1‐10次都匹配成功，只要点赞
数在0‐9999999999之间都可以匹配出来。
# 同样可以这样写：
# result = re.findall('\d+', content)
print(result)
# 得到的结果是'12'

匹配规则	释义
^	表示只要是以^后面的字符开头的，即匹配成功
$	表示只要是以$前面的字符结尾的，即匹配成功

1 import re
2 content = 'https://www.zhihu.com'
3 content1 = '/question/62749917/answer/576934857'
4 result = re.findall('^http.*', content)
#这一行的^http表示匹配content的首部是http的内容，后面的.表示一个除换行符\n以外的所有字符，*表示.重复0次或无限多次，.*放在一起就是匹配除换行符以外的任意字符无限多次，这两个字符经常放在一起用
1 result1 = re.findall('^http.*', content1)
2 print(result)
3 # 得到的结果是['https://www.zhihu.com']
4 print(result1)
5 # 得到的结果是[]，因为content1并不是以http开头

（\d+）	（）内的内容构成一个组，只要当前位置满足\d+就匹配成功，返回（）内匹配成功的内容

2 content = '发布于2018/12/23'
3 result = re.findall('.*?(\d.*\d)', content)
4 # 这一行的.*表示匹配除换行符外的任意字符，？表示非贪婪匹配，这个放在后面讲
5 # (\d.*\d)表示一个组，以数字开头，以数字结尾，.*表示中间可以是除换行以外的任意
字符
6 # 最终返回的结果就是括号内匹配到的结果。
7 print(result)
8 # 得到的结果是['2018/12/23']

2.match方法

1 import re
2 content = '发布于2018/12/23,发布人：十月。'
3 result = re.match('.*?(\d.*\d).*：(.*)', content)
4 # match方法的参数和findall是一样的，返回的结果是SRE_Match对象，对象有几个方法
需要了解一下
5 print(result.group())
6 # 得到的结果是'发布于2018/12/23,发布人：十月'，该方法默认是result.group(0)
7 # 前文说过re.match('.*?(\d.*\d).*：(.*)', content)等价于
8 # re.match('(.*?(\d.*\d).*：(.*))', content)
9 # result.group(0)获取的内容就是最外层的括号匹配的内容。
10 print(result.group(1))
11 # 得到的结果是'2018/12/23'，获取的内容是(\d.*\d)匹配到的内容
12 print(result.group(2))
13 # 得到的结果是'十月'，获取的内容是(.*)匹配到的内容
14 print(result.groups())
15 # 得到的结果是('2018/12/23', '十月')

1 import re
2 content = '评论数：12'
3 result = re.match('\d', content)
4 print(result)
5 # 得到的结果是None，如果直接print(result.group())是会报错的。
6 # 原因在于match方法是从content第一个字符开始去匹配\d，如果未匹配到，直接就返回N
one。这里因为content第一个字符不是数字，所以直接返回None

非贪婪

1 # 实现功能：提取发布时间，比较贪婪与非贪婪
2 import re
3 content = '发布于2018/12/23'
4 result = re.findall('.*?(\d.*\d)', content)
5 # 这里的?表示的就是非贪婪模式，第一个.*会尽可能少地去匹配内容，因为后面跟的是\d，所以碰见第一个数字就终止了。
6 print(result)
# 得到的结果是['2018/12/23']

贪婪模式

1 import re
2 content = '发布于2018/12/23'
3 result = re.findall('.*(\d.*\d)', content)
4 # 这里的第一个.*后面没有添加问号，表示的就是贪婪模式，第一个.*会尽可能多地去匹配
内容，后面跟的是\d，碰见第一个数字并不一定会终止，当它匹配到2018的2的时候，发现剩
下的内容依然满足(\d.*\d)，所以会一直匹配下去，直到匹配到12后面的/的时候，发现剩下
的23依然满足(\d.*\d)，但是如果再匹配下去，匹配到23的2的话，剩下的3就不满足
(\d.*\d)了，所以第一个.*就会停止匹配，(\d.*\d)最终匹配到的结果就只剩下23了。
5 print(result)
6 # 得到的结果是['23']
8 我们再来看下这段代码：
9
10 import re
11 content = '发布于2018/12/23'
12 result = re.findall('.*(\d.*?\d)', content)
13 print(result)
14 # 得到的结果是['23']，原因在于第一个.*是贪婪模式，会一直匹配到12后面的/，这样结果就是['23']

1 import re
2 content = '发布于2018/12/23'
3 result = re.findall('.*?(\d.*?\d)', content)
4 # 这里的第一个.*?表示非贪婪模式，匹配到2018前面的'于'之后就停止了
5 # 括号里的.*?也是表示非贪婪模式，括号里的内容从2018的2开始匹配，因为后面一个数字
是0，那么也就满足了(\d.*?\d)，所以就直接返回结果了，同样的，接下来的18也是这样，一
直匹配到23才结束。
6 print(result)
7 # 得到的结果是['20', '18', '12', '23']