Phpresule技巧_建议收藏Python 正则表达式详解

文章目录 [+]

正则表达式是对字符串提取的一套规则，我们把这个规则用正则里面的特定语法表达出来，去匹配知足这个规则的字符串。
正则表达式具有通用型，不仅python里面可以用，其他的措辞也一样适用。

python中re模块供应了正则表达式的功能，常用的有四个方法(match、search、findall)都可以用于匹配字符串

Phpresule技巧_建议收藏Python 正则表达式详解

match

（图片来自网络侵删）

匹配字符串

re.match()必须从字符串开头匹配！
match方法考试测验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()就返回none。
紧张参数如下：

re.match(pattern, string)# pattern 匹配的正则表达式# string 要匹配的字符串

例子

import rea = re.match('test','testasdtest')print(a) #返回一个匹配工具print(a.group()) #返回test，获取不到则报错print(a.span()) #返回匹配结果的位置，左闭右开区间print(re.match('test','atestasdtest')) #返回None

从例子中我们可以看出，re.match()方法返回一个匹配的工具，而不是匹配的内容。
如果须要返回内容则须要调用group()。
通过调用span()可以得到匹配结果的位置。
而如果从起始位置开始没有匹配成功，即便其他部分包含须要匹配的内容，re.match()也会返回None。

单字符匹配

以下字符，都匹配单个字符数据。
且开头（从字符串0位置开始）没匹配到，纵然字符串其他部分包含须要匹配的内容，.match也会返回none

. 匹配任意一个字符

利用几个点号就代表几个字符

import rea = re.match('..','testasdtest')print(a.group()) #输出teb = re.match('ab.','testasdtest')print(b) #返回none，由于表达式因此固定的ab开头然后跟上通配符. 以是必须要先匹配上ab才会往后进行匹配

\d 匹配数字

一个\d代表一个数字。
开头没匹配到，纵然字符串其他部分包含须要匹配的内容，.match也会返回none

import rea = re.match('\d\d','23es12testasdtest')print(a)b = re.match('\d\d\d','23es12testasdtest')print(b) #哀求匹配三个数字，匹配不到返回nonec = re.match('\d','es12testasdtest')print(c) #起始位置没有匹配成功，一样返回none

\D 匹配非数字

开头没匹配到，纵然字符串其他部分包含须要匹配的内容，.match也会返回none

import rea = re.match('\D','23es12testasdtest')print(a) #开头为数字以是返回noneb = re.match('\D\D','es12testasdtest')print(b) #返回e

\s 匹配分外字符，如空缺，空格，tab等

import reprint(re.match('\s',' 23es 12testasdtest')) #匹配空格print(re.match('\s',' 23es 12testasdtest')) #匹配tabprint(re.match('\s','\r23es 12testasdtest')) #匹配\r换行print(re.match('\s','23es 12testasdtest')) #返回none

\S 匹配非空缺

import reprint(re.match('\S',' 23es 12testasdtest')) #返回noneprint(re.match('\S','\r23es 12testasdtest')) #noneprint(re.match('\S','23es 12testasdtest'))

\w 匹配单词、字符，如大小写字母，数字，_ 下划线

import reprint(re.match('\w','23es 12testasdtest')) #返回noneprint(re.match('\w\w\w','aA_3es 12testasdtest')) #返回noneprint(re.match('\w\w\w','\n12testasdtest')) #返回none

\W 匹配非单词字符

import reprint(re.match('\W','23es 12testasdtest')) #返回noneprint(re.match('\W',' 23es 12testasdtest')) #匹配空格

[ ] 匹配[ ]中列举的字符

只许可涌现[ ]中列举的字符

import reprint(re.match('12[234]','232s12testasdtest')) #由于开头的12没匹配上，以是直接返回noneprint(re.match('12[234]','1232s12testasdtest')) #返回123

[^2345] 不匹配2345中的任意一个

import reprint(re.match('12[^234]','232s12testasdtest')) #由于开头的12没匹配上，以是直接返回noneprint(re.match('12[^234]','1232s12testasdtest')) #返回noneprint(re.match('12[^234]','1252s12testasdtest')) #返回125

[a-z3-5] 匹配a-z或者3-5中的字符

import reprint(re.match('12[1-3a-c]','1232b12testasdtest')) #123print(re.match('12[1-3a-c]','12b2b12testasdtest')) #12bprint(re.match('12[1-3a-c]','12s2b12testasdtest')) #返回none表示数量

像上面写的那些都是匹配单个字符，如果我们要匹配多个字符的话，只能重复写匹配符。
这样显然是不人性化的，以是我们还须要学习表达数量的字符

涌现0次或无数次

import rea = re.match('..','testasdtest')print(a.group()) #输出tea = re.match('.','testasdtest')print(a.group()) #全部输出

import reprint(re.match('a','aatestasdtest')) #匹配跟随在字母a后面的所有a字符print(re.match('\d','23aatestasdtest')) #匹配前面为数字的字符print(re.match('a\d','ad23aatestasdtest')) #输出a, 由于也可以代表0次

+ 至少涌现一次

import reprint(re.match('a+','aaatestasdtest')) #匹配前面为字母a的字符，且a至少有1一个print(re.match('a+','atestasdtest')) #aprint(re.match('a+','caaatestasdtest')) #none

? 1次或则0次

import reprint(re.match('a?','abatestasdtest')) #匹配a涌现0次或者1次数print(re.match('a?','batestasdtest')) #输出空，由于a可以为0次print(re.match('a?','aaatestasdtest')) #a涌现0次或者1次，输出1个a

{m}指定涌现m次

import reprint(re.match('to{3}','toooooabatestasdtest')) #匹配t以及跟随在后面的三个oooprint(re.match('to{3}','tooabatestasdtest')) #只有两个0,返回none

{m,} 至少涌现m次

import reprint(re.match('to{3,}','toooooabatestasdtest')) #匹配t以及跟随在后面的三个ooo至少涌现3次print(re.match('to{3,}','tooabatestasdtest')) #只有两个0,返回none

{m,n} 指定从m-n次的范围

import reprint(re.match('to{3,4}','toooabatestasdtest')) #刚好有三个ooo，成功匹配print(re.match('to{3,4}','tooabatestasdtest')) #只有两个o,返回noneprint(re.match('to{3,4}','toooooabatestasdtest')) #提取最多四个o

匹配边界

$ 匹配结尾字符

定义全体字符串必须以指定字符串结尾

import reprint(re.match('.d$','2testaabcd')) #字符串必须以d结尾print(re.match('.c','2testaabcd')) #字符串不因此c结尾，返回none

^ 匹配开头字符

定义全体字符串必须以指定字符开头

import reprint(re.match('^2','2stoooabatestas')) #规定必须以2开头，否则noneprint(re.match('^2s','2stoooabatestas')) #必须以2s开头

\b 匹配一个单词的边界

\b：表示字母数字与非字母数字的边界，非字母数字与字母数字的边界。
即下面ve的右边不能有字母和数字

import reprint(re.match(r'.ve\b','ve.2testaabcd')) #由于在python中\代表转义，以是前面加上r肃清转义print(re.match(r'.ve\b','ve2testaabcd'))

\B 匹配非单词边界

import reprint(re.match(r'.ve\B','2testaavebcdve')) #ve的右边须要有字母或者数字print(re.match(r'.ve\B','2testaave3bcdve'))

匹配分组

| 匹配旁边任意一个表达式

只要|两边任意一个表达式符合哀求就行

import reprint(re.match(r'\d[1-9]|\D[a-z]','2233')) #匹配|两边任意一个表达式print(re.match(r'\d[1-9]|\D[a-z]','as'))

(ab) 将括号中字符作为一个分组

()中的内容会作为一个元组字符装在元组中

import rea = re.match(r'<h1>(.)<h1>','<h1>你好啊<h1>')print(a.group()) #输出匹配的字符print(a.groups()) #会将()中的内容会作为一个元组字符装在元组中print('`````````````')b = re.match(r'<h1>(.)(<h1>)','<h1>你好啊<h1>')print(b.groups()) #有两括号就分为两个元组元素print(b.group(0)) #group中默认是0print(b.group(1)) #你好啊print(b.group(2)) #h1

和match差不多用法，从字符串中进行搜索

import reprint(re.match(r'\d\d','123test123test'))print(re.search(r'\d\d','123test123test'))

findall

从字面意思上就可以看到，findall是探求所有能匹配到的字符，并以列表的办法返回

import reprint(re.search(r'test','123test123test'))print(re.findall(r'test','123test123test')) #以列表的办法返回

re.s

findall中其余一个属性re.S

在字符串a中，包含换行符\n，在这种情形下:

如果不该用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始。
而利用re.S参数往后，正则表达式会将这个字符串作为一个整体，在整体中进行匹配。

如下要探求test.123的数据，由于test和123在不同的行，如果没加re.s的话，他会在每一个进行匹配查找而不是将字符串作为一个整体进行查找

import rea = """aaatestaaaaaa123"""print(re.findall(r'test.123',a))print(re.findall(r'test.123',a,re.S))

sub

查找字符串中所有相匹配的数据进行更换

sub(要更换的数据，更换成什么，要更换的数据所在的数据)

import reprint(re.sub('php','python','php是天下上最好的措辞——php'))#输出 "python是天下上最好的措辞——python"split

对字符串进行分割，并返回一个列表

import res = "itcase,java:php-php3;html"print(re.split(r",",s)) #以,号进行分割print(re.split(r",|:|-|;",s)) #以,或者：或者-或者;进行分割print(re.split(r",|:|-|%",s)) #找不到的分隔符就忽略

贪婪与非贪婪

python里的数量词默认是贪婪的，总是考试测验尽可能的匹配更多的字符。
python中利用?号关闭贪婪模式

如

import reprint(re.match(r"aa\d+","aa2323")) #会尽可能多的去匹配\dprint(re.match(r"aa\d+?","aa2323")) #尽可能少的去匹配\d

import res = "this is a number 234-235-22-423"# 1.贪婪模式resule = re.match(r"(.+)(\d+-\d+-\d+-\d)",s) #我们本想数字和字母拆解成两个分组print(resule.groups()) #('this is a number 23', '4-235-22-4')但我们创造输出的结果中23的数字竟然被弄到前面去了#由于+它会尽可能多的进行匹配，\d，只须要一个4就能知足，以是前面就尽可能多的匹配# 2.关闭贪婪模式#在数量词后面加上 ?，进入非贪婪模式，尽可能少的进行匹配result = re.match(r"(.+?)(\d+-\d+-\d+-\d)",s)print(result.groups()) #('this is a number ', '234-235-22-4')

案例

匹配手机号

哀求，手机号为11位，必须以1开头，且第二个数字为35678其种一个

import reresult = re.match(r'1[35678]\d{9}','13111111111')print(result.group()) #匹配成功result = re.match(r'1[35678]\d{9}','12111111111')print(result) #none，第二位为2result = re.match(r'1[35678]\d{9}','121111111112')print(result) #none，有12位

提取网页源码中所有的笔墨

如下，将个中的所有笔墨提取出来，去掉标签。
思路便是利用sub方法，将标签更换为空

s = """<div><p>岗位职责:</p><p>完成推举算法、数据统计、接口、后台等做事器审察干事情</p><p><br></p><P>必备哀求:</p><p>良好的自我驱动力和职业素养，事情积极主动、结果导向</p><p> <br></p><p>技能哀求:</p><p>1、一年以上 Python开拓履历，节制面向工具剖析和设计，理解设计模式</p><p>2、节制HTTP协议，熟习NVC、MVVM等观点以及干系wEB开拓框架</p><p>3、节制关系数据库开拓设计，节制SQL，闇练利用 MySQL/PostgresQL中的一种<br></p><p>4、节制NoSQL、MQ，闇练利用对应技能办理方案</p><p>5、熟习 Javascript/cSS/HTML5，JQuery,React.Vue.js</p><p> <br></p><p>加分项:</p><p>大数据，数理统计，机器学习，sklearn，高性能，大并发。 </p></div>"""

要提取出来最主要的便是关闭贪婪模式，

result = re.sub(r'<.?>|','',s) #print(result)

如果关闭贪婪模式，<xx>中的内容会尽可能多的匹配，只要能够知足后面的>就行，然后<>xxx<>中xxx内容也更换掉了

提取图片地址

import res = """<img data-original="https://img02.sogoucdn.com/app/a/100520024/36189693dc8db6bd7c0be389f8aaddbd.jpg" src="https://img02.sogoucdn.com/app/a/100520024/36189693dc8db6bd7c0be389f8aaddbd.jpg" width="250" height="375" .jpg>"""result1 = re.search(r"src=\"https..jpg\"",s)print(result1.group())result2 = re.search(r"src=\"(https..jpg)\"",s) #我只是想将网址提取出来，以是httpxx加括号，这样我就可以把它单独提取出来，src则不会出来print(result2.groups()[0])

原文链接：https://blog.csdn.net/qq_44159028/article/details/120575621