Python筆記（十）：正則表達式

正則表達式對比工具

https://pan.baidu.com/s/1XIPyF1vFSj5PACPx9zW8_g

（一）      正則表達式符號和特殊字符

符號	說明	示例
|	或	re1|re2,匹配re1或re2
.	匹配任何字符（\n除外）
^	匹配字符串開始部分	^ab.* 以ab開始的字符串，匹配ab12三、ababc等等
$	匹配字符串結束部分	.*123$ 以123結束的字符串,匹配ab12三、測試123等等
*	匹配0次或屢次前面的正則表達式	.* 匹配0次或屢次前面的 .
+	匹配1次或屢次前面的正則表達式
?	匹配0次或1次前面的正則表達式
{n}	匹配n次前面的正則表達式	.{5}
{m,n}	匹配M到N次前面的正則表達式	.{1,10}
[…]	匹配[]裏的任一字符	[abc]d 匹配 ad、bd、cd
[x-y]	匹配範圍內的任一字符	[a-c]d：匹配 ad、bd、cd [0-9]d：匹配0d、1d、2d、3d等
[^…]	不匹配[]裏的任一字符	[^a-c]d: 不匹配 ad、bd、cd
（…）	將正則表達式封閉爲一個組	例如：[a-b][a-b] ：只匹配aa、ab等 ([a-b][a-b])+：匹配aaaa、abab等.另外能夠用這個（）來提取數據

 

符號	說明	示例
\d	匹配任一數字，和[0-9]是同樣的，\D則不匹配任何數字	A\d: 匹配A一、A2等
\w	匹配任一數字、字母，和[A-Za-z0-9]是同樣的，\W則相反
\s	匹配任一空格字符，\S 則相反	hello\sword：匹配hello word
\..	將\後一個字符按字面意義匹配，不匹配特殊含義	\?：匹配? \\d：匹配\d
\b	匹配任何單詞邊界（\B 則相反）	例如：字符串 ab the Htherr the: 能匹配到2個 the \bthe\b:只匹配第一個 the \Bthe\B:只匹配第二個 the
\A	匹配字符串開始部分，\Z 則字符串結束部分	參照^ 和$

 

（二）      貪婪模式和非貪婪模式

貪婪模式：儘量的匹配

非貪婪模式：匹配到第一個結果後就結束匹配。在*、+、？、{}後面加一個？就是非貪婪模式。(*|+|?|{})?

看下面2張圖就清楚了（藍色背景表示匹配的內容）

第一張圖（貪婪模式）：匹配到第一</div>後還會繼續向右匹配。（在內容和正則表達式匹配的狀況下，儘量的匹配最長字符串）

第二張圖（非貪婪模式）：匹配到第一個</div>後就結束匹配了。（在內容和正則表達式匹配的狀況下，匹配到第一個結果後就結束匹配）

 

 

 

（三）      re模塊

函數/方法	說明
re.compile(pattern, flags=0)	（預編譯）將正則表達式編譯爲對象（不是必須的，不過通常是會預編譯） 實際應用中：下面2種方式都是能夠用的 the_str='' 第一： href_regx= re.compile('<div.*</div>') href_regx.match(the_str) 第二： re.match('<div.*</div>',the_str) 第一種是調用正則表達式對象的match()方法。 第二種寫法是調用re模塊的match()函數
match(pattern, string)	Pattern：正則表達式 String：字符串 匹配成功，返回字符串，失敗則返回None。 預編譯後的正則表達式對象則只須要傳str就好了（由於它自己就是pattern對象）
search(pattern, string)	Pattern：正則表達式 String：字符串 返回第一個匹配內容，沒有匹配則返回None
findall(pattern, string)	以列表形式返回全部匹配的內容
finditer(pattern, string)	返回全部匹配的內容，以迭代器的形式
split（pattern, string）	Pattern匹配的內容做爲分隔符，split將字符串分割爲列表並返回

 

flags參數	說明
re.I  re.IGNORECASE	不區分大小寫
re.M re.MULTILINE	匹配行的開始和結束部分，而不是嚴格匹配字符串自己的開始、結束部分
re.S re.DOTALL)	讓. (點號)能夠匹配\n

 

 

使用flags參數的時候，不清楚傳第幾個參數的話，最好先去看下方法（函數）的實現代碼。或者直接指定(flags= xxx)

 

（四）      re模塊示例

 1 import re  2 the_str='<div id="hd_info"></div></div></div>'
 3 href_regx= re.compile('<div.*</div>')  4 print('match()示例：',href_regx.match(the_str))  5 print('match()示例：',re.match('<div.*</div>',the_str))  6 print('search()示例：',re.search('/div>',the_str))  7 
 8 print('findall()示例：',re.findall('/div>',the_str))  9 print('finditer()示例：',re.finditer('/div>',the_str)) 10 for i in re.finditer('/div>',the_str): 11     print('迭代finditer（）返回值：',i) 12 
13 print('split()示例：',re.split('/.',the_str,re.DOTALL))

 

（五）      正則表達式實際應用

 匹配電信手機號

13三、14九、15三、17三、17七、180、18一、18九、199開頭的11位數字

正則表達式：1(39|49|53|[7][37]|[8][019]|99)[0-9]{8}

 匹配a標籤開始 href屬性值 （<a href='' ）