正则表达式--温故知新
1.了解正则表达式
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。
2.正则表达式的语法规则下面是Python中正则表达式的一些匹配规则,图片资料来自CSDN 3.正则表达式相关注解(1)数量词的贪婪模式与非贪婪模式正则表达式通常用于在文本中查找匹配的字符串。Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;非贪婪的则相反,总是尝试匹配尽可能少的字符。例如:正则表达式”ab*”如果用于查找”abbbc”,将找到”abbb”。而如果使用非贪婪的数量词”ab*?”,将找到”a”。 注:我们一般使用非贪婪模式来提取。 (2)反斜杠问题与大多数编程语言相同,正则表达式里使用””作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符””,那么使用编程语言表示的正则表达式里将需要4个反斜杠”\”:前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。 Python里的原生字符串很好地解决了这个问题,这个例子中的正则表达式可以使用r””表示。同样,匹配一个数字的”d”可以写成r”d”。有了原生字符串,妈妈也不用担心是不是漏写了反斜杠,写出来的表达式也更直观勒。 4.Python Re模块Python 自带了re模块,它提供了对正则表达式的支持。主要用到的方法列举如下
#返回pattern对象
re
.
compile
(
string
[
,
flag
]
)
#以下为匹配所用函数
re
.
match
(
pattern
,
string
[
,
flags
]
)
re
.
search
(
pattern
,
flags
]
)
re
.
split
(
pattern
,
maxsplit
]
)
re
.
findall
(
pattern
,
flags
]
)
re
.
finditer
(
pattern
,
flags
]
)
re
.
sub
(
pattern
,
repl
,
count
]
)
re
.
subn
(
pattern
,
count
]
)
pattern
=
re
.
compile
(
r
'hello'
)
在参数中我们传入了原生字符串对象,通过compile方法编译生成一个pattern对象,然后我们利用这个对象来进行进一步的匹配。 另外大家可能注意到了另一个参数 flags,在这里解释一下这个参数的含义: 参数flag是匹配模式,取值可以使用按位或运算符’|’表示同时生效,比如re.I | re.M。 可选值有:
?
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 里我们就需要用到这个pattern了,下面我们一一介绍。
2.groups([default]): 下面我们用一个例子来体会一下:
# -*- coding: utf-8 -*-
#一个简单的match实例
import
re
# 匹配如下内容:单词+空格+单词+任意字符
m
=
re
.
match
(
r
'(w+) (w+)(?P<sign>.*)'
,
'hello world!'
)
print
"m.string:"
,
m
.
string
print
"m.re:"
,
m
.
re
print
"m.pos:"
,
m
.
pos
print
"m.endpos:"
,
m
.
endpos
print
"m.lastindex:"
,
m
.
lastindex
print
"m.lastgroup:"
,
m
.
lastgroup
print
"m.group():"
,
m
.
group
(
)
print
"m.group(1,2):"
,
m
.
group
(
1
,
2
)
print
"m.groups():"
,
m
.
groups
(
)
print
"m.groupdict():"
,
m
.
groupdict
(
)
print
"m.start(2):"
,
m
.
start
(
2
)
print
"m.end(2):"
,
m
.
end
(
2
)
print
"m.span(2):"
,
m
.
span
(
2
)
print
r
"m.expand(r'g gg'):"
,
m
.
expand
(
r
'2 13'
)
### output ###
# m.string: hello world!
# m.re:
# m.pos: 0
# m.endpos: 12
# m.lastindex: 3
# m.lastgroup: sign
# m.group(1,2): ('hello','world')
# m.groups(): ('hello','world','!')
# m.groupdict(): {'sign': '!'}
# m.start(2): 6
# m.end(2): 11
# m.span(2): (6,11)
# m.expand(r'2 13'): world hello!
(2)re.search(pattern,flags])search方法与match方法极其类似,区别在于match()函数只检测re是不是在string的开始位置匹配,search()会扫描整个string查找匹配,match()只有在0位置匹配成功的话才有返回,如果不是开始位置匹配成功的话,match()就返回None。同样,search方法的返回对象同样match()返回对象的方法和属性。我们用一个例子感受一下 (3)re.split(pattern,maxsplit])按照能够匹配的子串将string分割后返回列表。maxsplit用于指定最大分割次数,不指定将全部分割。我们通过下面的例子感受一下。 (4)re.findall(pattern,flags])搜索string,以列表形式返回全部能匹配的子串。我们通过这个例子来感受一下 (5)re.finditer(pattern,flags])搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。我们通过下面的例子来感受一下 (6)re.sub(pattern,repl,count])使用repl替换string中每一个匹配的子串后返回替换后的字符串。 (7)re.subn(pattern,count])返回 (sub(repl,count]),替换次数)。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |