正则表达式-学习笔记01

什么是正则表达式？

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定的字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字及下划线
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当 re.DOTALL 标记被指定时，则可以匹配包括换行符的任意字符
[…]	用来表示一组字符，单独列出：[amk] 匹配 ‘a’，’m’ 或 ‘k’
[^…]	不在 [] 中的字符：abc 匹配除了 a,b,c 之外的字符。
*	匹配 0 个或多个的表达式。
+	匹配 1 个或多个的表达式。
?	匹配 0 个或 1 个由前面的正则表达式定义的片段，非贪婪方式
{n}	精确匹配 n 个前面表达式。
{n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a	b
( )	匹配括号内的表达式，也表示一个组

re.match

尝试从字符串中的起始位置匹配的一个模式，如果不是起始位置匹配成功的话，就返回none。

最常规匹配

import re
content = 'Hello 123 4567 World_This is a Regex Demo'
# .* 匹配任意0个到多个字符
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>

print(result.group())    # 匹配结果
Hello 123 4567 World_This is a Regex Demo
print(result.span())    # 输出陪配结果的范围
(0, 41)

泛匹配

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_This is a Regex Demo'>

匹配目标

# 匹配 1234567
# 把匹配目标用小括号（ ）括起来，指定左端和右端
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld.*Demo$',content)    # \d+ 1到多个数字
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
print(result.group(1))    # 第一个小括号的内容，group(2)=第二个小括号内容
1234567

贪婪匹配

匹配尽可能多的字符

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$',content)
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This is a Regex Demo'>
print(result.group(1))
7

非贪婪匹配

匹配尽可能少的字符

# 如果它看到后面是一个数字，把前面的停止匹配
result = re.match('^He.*?(\d+).*Demo$',content)
print(result.group(1))
1234567

匹配模式

content = """Hello 1234567 World_This
is a Regex Demo"""
result = re.match('^He.*?(\d+).*?Demo$',content)
print(result)
None
# 因为 . 匹配不到换行符，所以匹配不到内容
# 修改，添加匹配模式 re.s 让 . 可以匹配到换行符
result = re.match('^He.*?(\d+).*?Demo$',content, re.S)
print(result)
<_sre.SRE_Match object; span=(0, 40), match='Hello 1234567 World_This\nis a Regex Demo'

​

转义

# 匹配$符，需要加 \ ，匹配. 也需要
content = 'price is $5.00'
result = re.match('price is \$5\.00', content)
print(result)
<_sre.SRE_Match object; span=(0, 14), match='price is $5.00'>

小结：

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

学习于：
https://germey.gitbooks.io/python3webspider/content/3.3-%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E 4000
5%BC%8F.html

https://edu.hellobi.com/course/157