1. 前言
Python 中的re庫很常用資料也很多以下只是做一些自己的記錄如果能幫助到有需要的人更好哈哈哈
- 主要有三個篩選函數
- MATH() : 從字符串的開頭開始匹配的,一旦開頭不匹配,那麼整個匹配就失敗了。
- SEARCH() :搜索整個HTML文本,找到符合正則表達式的第一個內容返回。
- FINDALL() : 搜索整個字符串,然後返回匹配正則表達式的所有內容。
- 貪婪與非貪婪
- 兩者之間的區別就是 .*? 的區別,貪婪:儘可能匹配多的字符,非貪婪則反之。
- Tips: group其實就相當於調取某個字段。
import re content = 'http://weibo.com/comment/kEraCN' result1 = re.match('http.*?comment/(.*?)', content) result2 = re.match('http.*?comment/(.*)', content) print('result1', result1.group(1)) print('result2', result2.group(1)) 返回結果: result1 result2 kEraCN
2. 常用匹配規則及修飾符表
- 常用匹配規則
模式
描述
\w 匹配字母、數字及下劃線
\W 匹配不是字母、數字及下劃線的字符
\s 匹配任意空白字符,等價於[\t\n\r\f]
\S 匹配任意非空字符
\d 匹配任意數字,等價於[0-9]
\D 匹配任意非數字的字符
\A 匹配字符串開頭
\Z 匹配字符串結尾,如果存在換行,只匹配到換行前的結束字符串
\z 匹配字符串結尾,如果存在換行,同時還會匹配換行符
\G 匹配最後匹配完成的位置
\n 匹配一個換行符
\t 匹配一個製表符
^ 匹配一行字符串的開頭
$ 匹配一行字符串的結尾
. 匹配任意字符,除了換行符,當re.DOTALL標記被指定時,則可以匹配包括換行符的任意字符
[...] 用來表示一組字符,單獨列出,比如[amk]匹配a、m或k
[^...] 不在[]中的字符,比如[^abc]匹配除了a、b、c之外的字符
* 匹配0個或多個表達式
+ 匹配1個或多個表達式
? 匹配0個或1個前面的正則表達式定義的片段,非貪婪方式
{n} 精確匹配n個前面的表達式
{n, m} 匹配n到m次由前面正則表達式定義的片段,貪婪方式
a|b 匹配a或b
( ) 匹配括號內的表達式,也表示一個組
- 修飾符
修飾符
描述
re.I 使匹配對大小寫不敏感
re.L 做本地化識別(locale-aware)匹配
re.M 多行匹配,影響^和$
re.S 使.匹配包括換行在內的所有字符
re.U 根據Unicode字符集解析字符。這個標誌影響\w、\W、 \b和\B
re.X 該標誌通過給予你更靈活的格式以便你將正則表達式寫得更易於理解
3. 三個方法的使用案例
#!/usr/bin/python3
#-*- coding:utf-8 -*-
import re
class reFunction:
def __init__(self):
self.html = '''
<div id="songs-list">
<h2 class="title">經典老歌</h2>
<p class="introduction">經典老歌列表</p>
<ul id="list" class="list-group">
<li data-view="2">一路上有你</li>
<li data-view="7">
<a href="/2.mp3" singer="任賢齊">滄海一聲笑</a>
</li>
<li data-view="4" class="active">
<a href="/3.mp3" singer="齊秦">往事隨風</a>
</li>
<li data-view="6"><a href="/4.mp3" singer="beyond">光輝歲月</a></li>
<li data-view="5"><a href="/5.mp3" singer="陳慧琳">記事本</a></li>
<li data-view="5"><a href="/6.mp4" singer="kitty">love</a></li>
<a href="/6.mp3" singer="鄧麗君"><i class="fa fa-user"></i>但願人長久</a>
</li>
</ul>
</div>
'''
self.content = '54aK54yr5oiR54ix5L2g'
self.contentTwo = 'Hello 123 4567 World_This is a Regex Demo'
self.content1 = '123345 88:00'
self.content2 = '123345 33:33'
self.content3 = '123345 33:54'
def reSub(self):
reSub = re.sub('\d+', '', self.content)
print("This is sub function: %s" %reSub)
def reMath(self):
#reMaths = re.match('^Hello\s(\d+)\sWorld', self.contentTwo)
result = re.match('^Hello\s(\d+\s\d+)\sWorld', self.contentTwo, re.S)
print("This is math function: %s" %result.group())
def reCompile(self):
check = re.compile('\d{2}:\d{2}')
self.content1 = re.sub(check, '', self.content1)
self.content2 = re.sub(check, '', self.content2)
self.content3 = re.sub(check, '', self.content3)
print(self.content1, self.content2, self.content3)
def reSearch(self):
result = re.search('<a\s.*singer="(.*?)".*>(.*?)</a>', self.html, re.S)
if result:
print("Auther: %s singerName: %s" %(result.group(1),result.group(2)))
def reFindall(self):
result = re.findall('<li.*?href="(.*?)"\ssinger="(.*?)">(.*?)<.*?/li>', self.html, re.S)
#if result:
# print("singerType= %s singerName: %s singerWorks: %s" %(result[0],result[1],result[2])
for i in result:
#print("singerType= %s singerName: %s singerWorks: %s"%(i[0],i[1],i[2]))
print("singerType= "+i[0]+" singerName: "+i[1]+" singerWorks: %s"%i[2])
def contor():
ref = reFunction()
print("*"*50)
ref.reSub()
print("*"*50)
ref.reMath()
print("*"*50)
ref.reSearch()
print("*"*50)
ref.reFindall()
print("*"*50)
ref.reCompile()
contor()
Python正則表達式中的re.S
在Python的正則表達式中,有一個參數爲re.S。它表示“.”(不包含外側雙引號,下同)的作用擴展到整個字符串,包括“\n”。看如下代碼:
import re
a = '''asdfsafhellopass:
234455
worldafdsf
'''
b = re.findall('hello(.*?)world',a)
c = re.findall('hello(.*?)world',a,re.S)
print 'b is ' , b
print 'c is ' , c
運行結果:
is []
c is ['pass:\n\t234455\n\t']
Tips: 正則表達式中,“.”的作用是匹配除“\n”以外的任何字符,也就是說,它是在一行中進行匹配。這裏的“行”是以“\n”進行區分的。a字符串有每行的末尾有一個“\n”,不過它不可見。
如果不使用re.S參數,則只在每一行內進行匹配,如果一行沒有,就換下一行重新開始,不會跨行。而使用re.S參數以後,正則表達式會將這個字符串作爲一個整體,將“\n”當做一個普通的字符加入到這個字符串中,在整體中進行匹配。
借鑑了以下大佬的博客:
https://www.kingname.info/2014/12/21/Python%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E4%B8%AD%E7%9A%84re-S/