概述
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 事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符”,这个“规则字符” 来表达对字符的一种过滤逻辑。
正则并不是python独有的,其他语言也都有正则python中的正则,封装了re模块
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的话,match()就会返回None语法格式:re.match(pattern,string,flags=0)
最常规的匹配
content= "hello 123 4567 World_This is a regex Demo"
result = re.match('^hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)
print(result)
print(result.group())
print(result.span())
结果如下:
result.group()获取匹配的结果result.span()获去匹配字符串的长度范围泛匹配
其实相对来说上面的方式并不是非常方便,其实可以将上述的正则规则进行更改
content= "hello 123 4567 World_This is a regex Demo"
result = re.match("^hello.*Demo$",content)
print(result)
print(result.group())
print(result.span())
这段代码的结果和上面常规匹配的结果是一样的,但是写起来会方便很多
匹配目标
如果为了匹配字符串中具体的目标,则需要通过()括起来,例子如下:
结果如下:
这里需要说一下的是通过re.group()获得结果后,如果正则表达式中有括号,则re.group(1)获取的就是第一个括号中匹配的结果
贪婪匹配
先看下面代码:
content= "hello 1234567 World_This is a regex Demo"
result= re.match('^hello.(\d+).Demo',content)
print(result)
print(result.group(1))
这段代码的结果是
从结果中可以看出只匹配到了7,并没有匹配到1234567,出现这种情况的原因是前面的.* 给匹配掉了, .*在这里会尽可能的匹配多的内容,也就是我们所说的贪婪匹配,
如果我们想要匹配到1234567则需要将正则表达式改为:
这样结果就可以匹配到1234567
匹配模式
很多时候匹配的内容是存在换行的问题的,这个时候的就需要用到匹配模式re.S来匹配换行的内容
content = """hello 123456 world_this
my name is zhaofan
"""
result =re.match('^he.?(\d+).?zhaofan$',content,re.S)
print(result)
print(result.group())
print(result.group(1))
结果如下
转义
当我们要匹配的内容中存在特殊字符的时候,就需要用到转移符号\,例子如下:
content= "price is $5.00"
result = re.match('price is \$5.00',content)
print(result)
print(result.group())
对上面的一个小结:尽量使用泛匹配,使用括号得到匹配目标,尽量使用非贪婪模式,有换行符就用re.S强调re.match是从字符串的起始位置匹配一个模式
re.search扫描整个字符串返回第一个成功匹配的结果
<div class="cnblogs_code">
import re
content = "extra things hello 123455 world_this is a Re Extra things"
result = re.search("hello.?(\d+).?Re",content)
print(result)
print(result.group())
print(result.group(1))
content = "extra things hello 123455 world_this is a Re Extra things"
result = re.search("hello.?(\d+).?Re",content)
print(result)
print(result.group())
print(result.group(1))
content = "extra things hello 123455 world_this is a Re Extra things"
result = re.search("hello.?(\d+).?Re",content)
print(result)
print(result.group())
print(result.group(1))
结果如下:
其实这个时候我们就不需要在写^以及$,因为search是扫描整个字符串
注意:所以为了匹配方便,我们会更多的用search,不用match,match必须匹配头部,所以很多时候不是特别方便
匹配演练
例子1:
<div class="cnblogs_code">
import re
html = '''<div id="songs-list">
<h2 class="title">经典老歌
<p class="introduction">
经典老歌列表
-
-
-
html = '''<div id="songs-list">
<h2 class="title">经典老歌
<p class="introduction">
经典老歌列表
html = '''<div id="songs-list">
<h2 class="title">经典老歌
<p class="introduction">
经典老歌列表
如果您也喜欢它,动动您的小指点个赞吧