python学习-正则表达式

像风一样的男人@

已于 2023-11-19 22:02:04 修改

阅读量293

点赞数

文章标签：正则表达式 python 字符串

于 2020-03-18 14:59:35 首次发布

本文链接：https://blog.csdn.net/weixin_44634704/article/details/104944759

版权

#原子：

\d 表示0~9之间的任意【一个】字符->[0-9]自定义原子列表

\D 表示除了0~9之外的任意【一个字符】->[^0-9]自定义排除列表

\s 表示任意【一个】空白字符(不可见字符)->[\n\r\t\v\f]自定义原子列表

\S 表示任意【一个】非空白字符(可见字符)->[^\n\r\t\v\f]自定义排除列表

\w 表示0~9 a~z A~Z和__中的任意【一个】字符->[a-z0-9A-Z]自定义原子列表

\W 表示除了0~9 a~z A~Z和__之外的任意【一个】字符->[^a-z0-9A-Z]自定义排除列表

.  表示任意【一个】字符，除了\n

#元字符 [自定义原子列表]

  []自定义原子列表
    表示自定义原子列表中的任意一个字符

与数量相关的原子符

+ 表示1个以上的修饰原子    {1,}
? 表示0个或者1个修饰的原子 {0,1}
* 表示任意一个修饰的原子   {0,}
{m} 表示必须是m个修饰的原子
{m,n} 表示修饰的原子数量是m到n之间的数量都可以(包含m,n)
{m,} 表示修饰的原子数量是m个到正无穷(包含m)
{,n} 表示修饰的0-n的修饰原子(包含0也包含n)

\A 表示限定内容必须在整个字符串的开头部位
\Z 表示限定内容必须在整个字符串的结束部位
^ 表示限定内容必须在整个字符串的开头部位支持多行匹配
$ 表示限定内容必须在整个字符串的结束部位支持多行匹配

\b 表示能够当做英文单词分割的字符,(除了字母和数字都是词边界，汉字作为字母处理)

\B 表示不能够当做英文单词分割的字符(非词边界，就是字母和数字)代表一个字符【代表一个字符】

| 表示选择关系左右的内容二选一

() 1.改变正则表达式中的优先级

2.将多个原子视为一个原子处理，方便使用元字符【可以叫做组或者模式单元】

3.将匹配的内容做模式单元进行存储

额外补充：多行模式，如果字符串中包含\n则可以在匹配的时候使用多行匹配模式
     多行匹配模式就是将每一行当做独立的字符串进行匹配
     注意：多行模式需要使用模式修正符

#模式修正符

设定匹配的一些额外的规则
re.A   或者 re.ASCII   在ASCII模式下进行操作
re.U   或者 re.UNICODE 在UNICODE模式下进行正则匹配操作  默认情况下
re.S   使得原子.可以匹配任意字符包含\n
re.M   或者 re.MULTILINE 匹配操作在多行模式下进行  都是与^和$相关
re.X   或者 re.VERBOSE 匹配的时候忽略正则表达式中的空格或者注释
re.I   或者 re.IGNORECASE 匹配过程中忽略大小写

\转意字符的应用

字符串：\n \r \t \\ ...

因为在正则的元字符和原子当中，使用了部分的符号作为语法，为了匹配这些符号的单纯字符

在正则表达式用，添加\即可去掉意义，获取字符

扩展正则语法

  1.  (?Limsux)   模式修正符的应用
  2.  (?:)        取消单元存储功能
  3.  (?P<name>)  自定义模式单元的名称
  4.  (?P=name)   获取自定义模式单元的内容
  5.  (?#)        正则注释内容  解析器不会处理
  6.  (?=)        正向先行断言   (零宽断言)
  7.  (?!)        负向先行断言   (零宽断言)
  8.  (?<=)       正向后行断言   (零宽断言)
  9.  (?<!)       负向后行断言   (零宽断言)
  10. (?(id/name)Y|N） 根据模式单元是否存在决定使用Y规则（模式单元存在）或者是N的规则(模式单元不存在）

#re模块的方法

  complie()1.编译正则表达式获取正则表达式对象 2.可以循环利用，提高程序效率
             格式：  re.complie(正则字符串，模式修正符）
             返回值：正则对象

  escape()  对字符串进行转意处理。仅处理非数字和字母的字符
             格式： re.escape(字符串)
             返回值：字符串

  findall()  对字符串进行正则匹配  获取所有匹配的内容结果
             格式： re.findll(正则表达式,字符串,模式修正符)
             返回值：列表

  finditer() 对字符串进行正则匹配  获取所有匹配的结果对象
             格式： re.finditer(正则表达式,字符串,模式修正符)
             返回值：包含所有匹配结果的迭代器
 
  match()   对字符串的开头进行正则匹配，匹配到第一个结果停止匹配。
             格式： re.match(正则表达式,字符串，模式修正符)
             返回值：匹配结果对象


  search()  对字符串任意位置正则匹配 匹配到第一个结果停止匹配，返回结果对象
            格式：  re.search(正则表达式,字符串，模式修正符)
            返回值：匹配结果对象

  split()   使用正则表达式切割字符串
            格式：  re.split（正则表达式，字符串，切割次数）v
            返回值：返回一个列表
  
  sub()     正则替换
            格式：  re.sub（正则表达式,替换的字符换，匹配的字符串，替换次数）
            返回值：替换后的字符串

  subn()    正则替换
            格式：  re.subn（正则表达式,替换的字符换，匹配的字符串，替换次数）
            返回值：替换后的字符串和替换次数组成的元祖

爬虫(.*?)大法：

import re

str1 = 'xa6</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>&copy;2017&nbsp'

presson = r'ref=(.*?)>About'
content = re.findall(presson,str1)
print(content[0]) 	#输出为:http://ir.baidu.com

把待匹配的字符替换为(.*?)，前后加的字符越多匹配越准确。

原理：找(.*?)前后的字符，如果相同与相匹配的字符则返回。
缺点：这种表达式的匹配不够严谨