正则表达式(re)的基本操作
来源:互联网 发布:淘宝好评改差评怎么改 编辑:程序博客网 时间:2024/05/17 12:47
1. 测试正则表达式的工具。
- 在线正则表达式测试:
http://tool.oschina.net/regex/
2. 常见的匹配模式
3. 常用的匹配方法
3.1. re.match
re.match尝试从字符串的起始位置匹配一个模式,如果不是起始位置匹配成功的话,match()就会返回None
最常规的匹配
import recontent = "Hello 123 4567 World_This is a Regex Demo"result = re.match("Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$",content)print(f"len = {len(content)}")print(f"result = {result}")print(f"result.group() = {result.group()}") # 返回匹配结果print(f"result.span = {result.span()}") # 输出匹配结果的范围# 输出结果len = 41result = <_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>result.group() = Hello 123 4567 World_This is a Regex Demoresult.span = (0, 41)
- 泛匹配
# 泛匹配result = re.match("^Hello.*Demo$",content)# 输出结果len = 41result = <_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>result.group() = Hello 123 4567 World_This is a Regex Demoresult.span = (0, 41)
- 匹配目标:如果我们想从字符串中获取我们想要的数据的话,我们就可以用一个()把我们要的目标括起来,然后指定它的左端点和右端点。然后用group(n)将其取出来。
# 匹配目标content = "Hello 1234567 World_This is a Regex Demo"result = re.match("^Hello\s(\d+)\sWorld.*Demo$",content)print(f"len = {len(content)}")print(f"result = {result}")print(f"result.group() = {result.group()}") # 返回匹配结果print(f"result.span = {result.span()}") # 输出匹配结果的范围# 如果正则表达式中出现了(),那么第一个()里匹配的内容为group(1),第二个为group(2),依次类推print(f"result.group(1) = {result.group(1)}")# 输出结果len = 40result = <_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>result.group() = Hello 1234567 World_This is a Regex Demoresult.span = (0, 40)result.group(1) = 1234567
- 贪婪匹配:
# 贪婪匹配:.*来匹配任意的字符串# 结果只把 7 这个数字匹配出来了,前面的123456被前面的.*匹配掉了。# 它会匹配尽可能多的字符,而后面(\d+)至少要有一个数字,那就匹配成了7# .*会尽可能多的匹配,一直到匹配不到了为止content = "Hello 1234567 World_This is a Regex Demo"result = re.match("^He.*(\d+).*Demo$",content)print(f"len = {len(content)}")print(f"result = {result}")print(f"result.group() = {result.group()}") # 返回匹配结果print(f"result.span = {result.span()}") # 输出匹配结果的范围# 如果正则表达式中出现了(),那么第一个()里匹配的内容为group(1),第二个为group(2),依次类推print(f"result.group(1) = {result.group(1)}")# 输出结果len = 40result = <_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>result.group() = Hello 1234567 World_This is a Regex Demoresult.span = (0, 40)result.group(1) = 7
- 非贪婪匹配:
# 非贪婪匹配:.*后面加一个? ———— .*?# ? 会指定这个模式为非贪婪模式的匹配。它会匹配尽可能少的字符# ?后面有个\d+,也就是说它要开始匹配一个数字了,那么如果它看到后面出现一个数字,那么他就会把前面的值进行匹配# .*?会尽可能少的匹配,匹配到了就停止content = "Hello 1234567 World_This is a Regex Demo"result = re.match("^He.*?(\d+).*Demo$",content)print(f"len = {len(content)}")print(f"result = {result}")print(f"result.group() = {result.group()}") # 返回匹配结果print(f"result.span = {result.span()}") # 输出匹配结果的范围# 如果正则表达式中出现了(),那么第一个()里匹配的内容为group(1),第二个为group(2),依次类推print(f"result.group(1) = {result.group(1)}")# 输出结果len = 40result = <_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>result.group() = Hello 1234567 World_This is a Regex Demoresult.span = (0, 40)result.group(1) = 1234567
- 匹配模式:
# 在regex字符串中指定匹配模式,取值可以使用按位或运算符'|'表示同时生效,比如re.I | re.M。# 匹配模式的可选值有: # re.I (re.IGNORECASE): 忽略大小写(括号内是完整写法,下同) # re.M (re.MULTILINE): 多行模式,改变'^'和'$'的行为 # re.S (re.DOTALL): 点任意匹配模式,改变'.'的行为 # re.L (re.LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定 # re.U (re.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 (re.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。content = '''Hello 1234567 World_This is a Regex Demo'''result = re.match("^He.*?(\d+).*Demo$",content)print(f"result = {result}")# 输出结果result = None # 因为 .*不能匹配This后面的换行符。# ----------- 加上匹配模式 re.S : 多行匹配 ----------result2 = re.match("^He.*?(\d+).*Demo$", content, re.S)print(f"result2.group(1) = {result2.group(1)}")# 输出结果result2.group(1) = 1234567 # re.S可以多行匹配
- 转义符:
# 转义符import re content = 'price is $5.00'result = re.match('price is $5.00', content)print(f"result = {result}")# 输出结果result = None # 因为$和.是通配符,失去了原字符的意义result = re.match('price is \$5\.00', content)print(f"result = {result}")# 输出结果result = <_sre.SRE_Match object; span=(0, 14), match='price is $5.00'>
3.2. 正则匹配的原则
- 尽量使用泛匹配
- 使用括号得到匹配目标
- 尽量使用非贪婪模式
- 有换行符就用re.S
- 为匹配方便,能用search就不用match
3.3. re.search
- 由于re.match是从字符串开头进行匹配的,适用性不算强。
- re.search 是会对整个字符串进行扫描,返回第一个成功的匹配。
content = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'result = re.search("Hello.*?(\d+).*?Demo", content)print(f"result = {result}")print(f"result.group(1) = {result.group(1)}")# 输出结果result = <_sre.SRE_Match object; span=(13, 53), match='Hello 1234567 World_This is a Regex Demo'>result.group(1) = 1234567
3.4. re.findall
- 搜索字符串,以列表形式返回全部能匹配的子串
- 如果有多个括号(),那么返回的列表,元素是元组 [( ), ( ), ( ), ( )]
3.5. re.sub
- 替换字符串中每一个匹配的子串后,返回替换后的字符串
# re.findall 案例一content = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('\d+', '', content)print(f"content = {content}")# 输出结果content = Extra strings Hello World_This is a Regex Demo Extra strings# re.findall 案例二content = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('\d+', 'Replacement', content)print(f"content = {content}")# 输出结果content = Extra strings Hello Replacement World_This is a Regex Demo Extra strings# 如果需求是替换字符串本身,或者说需要替换的字符串是有包含原字符串的话,则需要把匹配的字符串加上一个括号,然后用\1拿到匹配的内容。又因为\是转义字符,所以需要在前面加上一个r# \1就是把匹配结果,换成括号1中的匹配结果# re.findall 案例三content = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('(\d+)', r'\1 8910', content)print(f"content = {content}")# 输出结果content = Extra strings Hello 1234567 8910 World_This is a Regex Demo Extra strings
3.5.1. 一般操作模式
- 第一步:先用re.sub进行替换,修正原始字符串到一个比较有规律的模式。
- 第二步:再使用re.findall进行字符串匹配。
html = re.sub('<a.*?>|</a>', '', html)print(html)results = re.findall('<li.*?>(.*?)</li>', html, re.S)print(results)for result in results: print(result.strip())
3.6. re.compile
- 将正则字符串编译成正则表达式对象
- 为了方便重复使用固定的正则匹配模式,使用re.compile将一个正则表达式串编译成正则对象,以便于复用该匹配模式
- 第二个参数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。另外,你也可以在regex字符串中指定模式,比如re.compile(‘pattern’, re.I | re.M)与re.compile(‘(?im)pattern’)是等价的。
# re.compile 案例一content = 'Hello 1234567 World_This is a Regex Demo'pattern = re.compile('Hello.*Demo', re.S)result1 = re.match(pattern, content)result2 = re.match('Hello.*Demo', content, re.S)
阅读全文
0 0
- 正则表达式(re)的基本操作
- Python的Re库(正则表达式)基本用法
- 正则表达式(RE)
- Python正则表达式--Re库的基本使用
- python学习笔记(五)正则表达式的基本语法和re模块API
- 3.2 re--正则表达式操作(Regular expression operations)
- python的正则表达式 re
- python的re正则表达式
- python的正则表达式 re
- python的正则表达式 re
- 正则表达式的方法--re
- python正则表达式(re)
- re库正则表达式常用操作符
- c# 正则表达式的基本操作
- python中正则表达式库re的使用(regex)
- Python:正则表达式(三)-re模块的内容
- Python 正则表达式 RE模块的使用方法
- Python的re模块学习---正则表达式
- DBSCAN聚类
- 【安全牛学习笔记】w3af-身份认证
- ConcurrentHashMap 总结( 下 )
- 关于移动端响应式全屏背景图显示的问题
- 获取客户端信息
- 正则表达式(re)的基本操作
- 使用okhttp加载服务器数据,Glide加载图片
- 【codevs 3554】犯罪团伙
- Spring的控制反转(下)
- Objects are not valid as a React child 错误处理
- Java 标准 I/O 流编程一览笔录( 上 )
- python运行出现SyntaxError:Non-ASCII character u'\xe4' ..
- ros indigo fist
- python3 xrange *的作用