感谢师哥!一个正则表达式居然可以给我分享的这么详细!分享给你
由于最近需要使用爬虫爬取数据进行测试,所以开始了爬虫的填坑之旅,那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为Python。主要讲解下Python的Re模块。 下面的语法我就主要列出一部分,剩下的在python官网直接查阅即可: docs.python.org/3/library/r… 一、基础语法总结 1.1、匹配单个字符 a . d D w W s S [...] [^...] 匹配单个字符(.) 规则:匹配除换行之外的任意字符 In [24]: re.findall("f.o","foo is not fao") Out[24]: ['foo','fao'] 匹配任意(非)数字字符(d D) d [0-9] D [^0-9] 匹配任意(非)普通字符(w W) w 普通字符 包括[_0-9A-Za-z] 同时也包括汉字 W 非普通字符 匹配任意(非)空字符(s S) s 匹配任意空字符 [ ] S 匹配任意非空字符 匹配字符集合([...]) [A-Z][a-z][0-9][_123a-z] 匹配字符集([^...]) 规则:字符集取非,除列出的字符之外的任意一个字符 [^abc] --> 除a b c之外任意字符 1.2、匹配多个字符 * 匹配0次或者多次 + 匹配1次或者多次 ? 匹配0次或者1次 {m} 匹配m次 {m,n} 匹配m次到n次区间内的任意一次 1.3、匹配位置 ^ 匹配开始位置 $ 匹配结束位置 A 匹配开始位置 Z 匹配结束位置 匹配单词边界位置(一般用于首字母大写的匹配) B 匹配非单词边界问题 1.4、转义 在正则表达式中有一类特殊字符需要转移,只需要在特殊字符之间加上 表示转移即可 . * + ? ^ $ [] {} () | 1.5、子组 使用() 可以为正则表达式建立内部分组,子组为正则表达式的一部分,可以看做一个内部整体。 In [61]: re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(0) Out[61]: 'https://www.baidu.com' In [62]: re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(1) Out[62]: 'https' 1.6、贪婪模式和非贪婪模式 正则表达式的重复匹配总是尽可能多的向后匹配更多的内容。 贪婪模式包括:* + ? {m,n} 非贪婪模式:尽可能少的匹配内容 贪婪模式转换为非贪婪模式:*? +? ?? {m,n}? In [106]: re.findall(r"ab+?","abbbbbbbb") Out[106]: ['ab'] In [107]: re.findall(r"ab??","abbbbbbbb") Out[107]: ['a'] 二、Re模块 进群548377875? :即可获取数十套PDF从零到项目的以及大量的学习资料! 接下来我所有函数里面的参数解释如下: pattern:正则表达式 string:目标字符串 pos:截取目标字符串起始位置 endpose:截取目标字符串结束位置 flags:功能标志 replaceStr:替换的字符串 max:最多替换几处(默认替换全部) 有上图我们看出来,接下来我们要将的Python中re模块、regex对象、match对象三者之间是存在一定关系的。
2.1、compile regex = re.compile(pattern,flags = 0) # 生成正则表达式对象 2.2、findall re.findall(pattern,string,pos,endpose) # 从目标字符串中匹配所有符合条件的内容 2.3、split re.split(pattern,flags) #根据正则表达式对目标字符串进行分割 In [79]: re.split(r's+',"Hello World") Out[79]: ['Hello','World'] 2.4、sub re.sub(pattern,replaceStr,max,flags) In [80]: re.sub(r's+',"##","hello world") Out[80]: 'hello##world' 2.5、subn re.subn(pattern,flags) #功能同sub,但是返回值返回替换后的字符串和替换了几处 In [80]: re.sub(r's+',"hello world") Out[80]: ('hello##world',1) 2.6、finditer re.finditer(pattern,string) #使用正则表达式匹配目标字符串,返回一个match对象,match对象调用group()之后才能拿到值 In [87]: it = re.finditer(r'd+',"2014nianshiqiqngduo 08aoyun 512dizhen") In [88]: for i in it: ....: print(i) ....: <_sre.SRE_Match object at 0x7f0639767920> <_sre.SRE_Match object at 0x7f0639767ac0> <_sre.SRE_Match object at 0x7f0639767920> In [93]: it = re.finditer(r'd+',"2014nianshiqiqngduo 08aoyun 512dizhen") In [94]: for i in it: ....: print(i.group()) ....: 2014 08 512 2.7、fullmatch fullmatch(pattern,flags) #完全匹配目标字符串,相当于加了^ 和 $ 2.8、match re.match(pattern,flags) #匹配目标字符串开头的位置 2.9、search re.search(pattern,flags) # 正则表达式匹配目标字符串,只匹配第一处 三、一些练习题 3.1、匹配首字母大写的单词 import re f = open('test.txt') pattern= r'[A-Z][a-zA-Z]*s*' # pattern= r'[A-Z]S' L = [] for i in f: L += re.findall(pattern,i) print(L) test.txt文档内容如下: Hello World -12.6 Nihao 123 How are you -12 1.24 asdk 34%,占比 1/2 2003 - 2005./% 3.2、匹配数字(正数、负数、小数、百分数、分数) import re pattern = "-?d+((/?d+)|((.)?d+)|((%)?))" f = open('test.txt') l = [] for line in f: l += re.finditer(pattern,line) for i in l: print(i.group()) (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! |