Python正则表达式中的量词符号与组问题小结

正则表达式中的符号

例子

•  | 是或的关系，只要存在就会被捕获
• 匹配到的数据只按字符串顺序返回，而不是按照匹配规则返回

In [18]: data = '[email protected]'

In [19]: print(re.findall('insane|com|loafer', data))
['insane', 'loafer', 'com']

^ 等同于 \A

In [20]:  print(re.findall('^insane',data))
['insane']

In [21]:  print(re.findall('^insane1',data))
[]

$ 等同于 \Z

In [22]:  print(re.findall('com$',data))
['com']

In [23]:  print(re.findall('net$',data))
[]

* 匹配0次或多次

In [24]:  print(re.findall('\w*',data))
['insane', '', 'loafer', '', 'com', '']

• + 匹配1次或多次
• w+ 匹配1次或多次数字或字母
• @和.属于0次范围，不会被匹配出来

In [25]:  print(re.findall('\w+',data))
['insane', 'loafer', 'com']

{3} 表示对于匹配到的数据只获取3次

In [31]: data = '[email protected]'

In [32]:  print(re.findall('\w{3}',data))
['ins', 'ane', 'loa', 'com']

In [33]:  print(re.findall('[a-z]{3}',data))
['ins', 'ane', 'loa', 'com']

[a-zA-Z0-9] 基本上等同于 \w

{M, N} 表示对于匹配到的数据只获取M~N次

In [34]: data = '[email protected]'

In [35]:  print(re.findall('\w{1,4}',data))
['insa', 'ne', 'loaf', 'com']

反例：N 和 M 中间不能有空格

In [36]:  print(re.findall('\w{1, 4}',data))
[]

[^...] 表示不匹配字符集中的字符

In [37]: data = '[email protected]'

In [38]:  print(re.findall('[^insane]',data))
['@', 'l', 'o', 'f', '.', 'c', 'o', 'm']

组的概念

组的应用

In [42]: test = 'hello my name is insane'

In [43]: result = re.search('hello (.*) name is (.*)', test)

In [44]: result.groups()
Out[44]: ('my', 'insane')

In [45]: result.groups(1)
Out[45]: ('my', 'insane')

In [46]: result.group(1)
Out[46]: 'my'

In [47]: result.group(2)
Out[47]: 'insane'

• 贪婪与非贪婪 0次或多次属于贪婪模式
• 通过?组合变成非贪婪模式 实战

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time     : 2021/8/28 22:13
# @Author   : InsaneLoafer
# @File     : re_test2.py

import re


def check_url(url):
    """
    判断url是否合法
    :param url:
    :return:
    """
    result = re.findall('[a-zA-Z]{4,5}://\w*\.*\w+\.\w+', url)
    if len(result) != 0:
        return True
    else:
        return False

def get_url(url):
    """
    通过组获取url中的某一部分
    :param url:
    :return:
    """
    result = re.findall('[https://|http://](\w*\.*\w+\.\w+)', url)
    if len(result) != 0:
        return result[0]
    else:
        return ''

def get_email(data):
    # result = re.findall('[0-9a-zA-Z_]+@[0-9a-zA-Z]+\.[a-zA-Z]+', data)
    result = re.findall('.+@.+\.[a-zA-Z]+', data)
    return result


html = ('
'
        '
')

def get_html_data(data):
    """
    获取style中的display:
    使用非贪婪模式
    """
    result = re.findall('style="(.*?)"', data)
    return result

def get_all_data_html(data):
    """
    获取html中所有等号后双引号内的字符
    :param data:
    :return:
    """
    result = re.findall('="(.+?)"', data)
    return result


if __name__ == '__main__':
    result = check_url('https://www.baidu.com')
    print(result)

    result = get_url('https://www.baidu.com')
    print(result, 'https')

    result = get_url('http://www.baidu.com')
    print(result, 'http')

    result = get_email('[email protected]')
    print(result)

    result = get_html_data(html)
    print(result)

    result = get_all_data_html(html)
    print(result)

True
www.baidu.com https
www.baidu.com http
['[email protected]']
['display:none;']
['s-top-nav', 'display:none;', 's-center-box']

Process finished with exit code 0

到此这篇关于Python正则表达式中的量词符号与组的文章就介绍到这了,更多相关python正则表达式量词内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！