regex正则表达式

正则表达式

在线正则表达式测试工具:http://tool.oschina.net/regex/

1.常见匹配模式

表示 法描述 正则表达式示例
符号
literal 匹配文本字符串的字面值 literal foo
re1|re2 匹配正则表达式re1或者re2 foo|bar
. 匹配任何字符(除了\n之外),当re.DOTALL标记被指定时,则可以匹配包括换行符的任意字符 b.b
^ 匹配字符串起始部分 ^Dear
$ 匹配字符串终止部分 /bin/*sh$
* 匹配0次或者多次前面出现的正则表达式 [A-Za-z0-9]*
+ 匹配1次或者多次前面出现的正则表达式 [a-z]+.com
? 匹配0次或者1次前面出现的正则表达式 goo?
{N} 匹配N次前面出现的正则表达式 [0-9]{3}
{M,N} 匹配M~N次前面出现的正则表达式 [0-9]{5,9}
[…] 匹配来自字符集的任意单一字符 [aeiou]
[…x−y…] 匹配x~y范围中的任意单一字符 [0-9],[A-Za-z]
[^…] 不匹配此字符集中出现的任何一个字符,包括某一范围的字符(如果在此字符集中出现) [aeiou],[A-Za-z0-9]
(*+?{})? 用于匹配上面频繁出现/重复出现符号的非贪婪版本(*、+、?、{}) .*?[a-z]
(…) 匹配封闭的正则表达式,然后另存为子组,通常可以使用(.*?)来选出要匹配的内容 ([0-9]{3})?,f(oou)bar
特殊字符
\d 匹配任何十进制数字,与[0-9]一致(\D与\d相反,不匹配任何非数值型的数字) data\d+.txt
\w 匹配任何字母数字下划线字符,与[A-Za-z0-9_]相同(\W与之相反) [A-Za-z_]\w+
\s 匹配任何空格字符,与[\n\t\r\v\f]相同(\S与之相反) of\sthe
\b 匹配任何单词边界(\B与之相反) \bThe\b
\N 匹配已保存的子组N(参见上面的(…)) price:\16
\c 逐字匹配任何特殊字符c(即,仅按照字面意义匹配,不匹配特殊含义) .,\,*
\A(\Z) 匹配字符串的起始(结束,只匹配到换行前的结束字符串)(另见上面介绍的^和$) \ADear
\z 匹配字符串结束
\G 匹配最后匹配完成的位置
\数字 引用已经匹配到的子匹配项 (\w)+\1
扩展表示法,非捕获元
(?iLmsux) 在正则表达式中嵌入一个或者多个特殊“标记”参数(或者通过函数/方法) (?x),(?im)
(?:…) 表示一个匹配不用保存的分组 (?:\w+.)*
(?P< name>…) 像一个仅由name标识而不是数字ID标识的正则分组匹配 (?P< data>)
(?P=name) 在同一字符串中匹配由(?P<\name)分组的之前文本 (?P=data)
(?#…) 表示注释,所有内容都被忽略 (?#comment)
(?=…) 匹配条件是如果…出现在之后的位置,而不使用输入字符串;称作正向前视断言 (?=.com)
(?!..) 匹配条件是如果…不出现在之后的位置,而不使用输入字符串;称作负向前视断 (?!.net)
(?<=…) 匹配条件是如果…出现在之前的位置,而不使用输入字符串;称作正向后视断言 (?<=800-)
(? 匹配条件是如果…不出现在之前的位置,而不使用输入字符串;称作负向后视断言 (?
(?(id/name)Y|N) 如果分组所提供的id或者name(名称)存在,就返回正则表达式的条件匹配Y,如果不存在,就返回N;|N是可选项 (?(1)y|x)

2.re.match

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

re.match(pattern, string, flags=0)

2.1参数

pattern:正则表达式

string:待匹配的字符串

flags:修饰符,匹配模式(re.S表示.匹配换行符,re.I表示对大小写不敏感)

2.2返回结果的方法

result.group(num=0):匹配的整个表达式的字符串,group() 可以一次输入多个组号,在这种情况下它将返回一个包含那些组所对应值的元组。

result.groups():

result.span():可以输出匹配的范围

2.3例子

import re

content = '''Hello 1234567 World_This
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$', content, re.S)#.*?非贪婪匹配任意字符,\.转义
print(result.group(1))

3.re.search

扫描整个字符串并返回第一个成功的匹配

4.re.findall

搜索字符串,以列表形式返回全部能匹配的子串

5.re.sub

re.sub(pattern, repl, string, count=0, flags=0)

替换字符串中每一个匹配的子串后返回替换后的字符串(pattern是正则表达式,repl是替换成的字符串,也可为一个函数对匹配值的操作,string是查找的字符串,count是模式匹配后替换的最大次数,默认 0 表示替换所有的匹配)

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('(\d+)', r'\1 8910', content)
print(content)

6.re.compile

将正则字符串编译成正则表达式对象

regax = re.compile('Hello.*Demo', re.S)
result = re.match(regax, content)
print(result)

regax有以下方法:

regex.search() 在一个字符串中搜索匹配正则表达式的第一个位置,返回match对象
regex.match() 从一个字符串的开始位置起匹配正则表达式,返回match对象
regex.findall() 搜索字符串,以列表类型返回全部能匹配的子串
regex.split() 将一个字符串按照正则表达式匹配结果进行分割,返回列表类型
regex.finditer() 搜索字符串,返回一个匹配结果的迭代类型,每个迭代元素是match对象
regex.sub() 在一个字符串中替换所有匹配正则表达式的子串,返回替换后的字符串

7.修饰符

  • re.I 忽略大小写
  • re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  • re.M 多行模式
  • re.S 即为 . 并且包括换行符在内的任意字符(. 不包括换行符)
  • re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
  • re.X 为了增加可读性,忽略空格和 # 后面的注释

8.补充

  • [\u4E00-\u9FA5]是汉字
  • 贪婪是反向匹配,非贪婪是正向匹配

你可能感兴趣的:(python爬虫,python编程)