|
|
51CTO旗下网站
|
|
移动端

感谢师哥!一个正则表达式居然可以给我分享的这么详细!

由于最近需要使用爬虫爬取数据进行测试,所以开始了爬虫的填坑之旅,那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为Python。主要讲解下Python的Re模块。

作者:菜鸟带你学编程来源:今日头条|2018-11-05 20:00

感谢师哥!一个正则表达式居然可以给我分享的这么详细!分享给你

由于最近需要使用爬虫爬取数据进行测试,所以开始了爬虫的填坑之旅,那么首先就是先系统的学习下关于正则相关的知识啦。所以将下面正则方面的知识点做了个整理。语言环境为Python。主要讲解下Python的Re模块。

下面的语法我就主要列出一部分,剩下的在python官网直接查阅即可: docs.python.org/3/library/r…

一、基础语法总结

1.1、匹配单个字符

a . d D w W s S [...] [^...]

匹配单个字符(.)

规则:匹配除换行之外的任意字符

  1. In [24]: re.findall("f.o","foo is not fao" 
  2. Out[24]: ['foo''fao'

匹配任意(非)数字字符(d D)

  1. d [0-9] 
  2. D [^0-9] 

匹配任意(非)普通字符(w W)

w 普通字符 包括[_0-9A-Za-z]同时也包括汉字

W 非普通字符

匹配任意(非)空字符(s S)

s 匹配任意空字符 [ ]

S 匹配任意非空字符

匹配字符集合([...])

[A-Z][a-z][0-9][_123a-z]

匹配字符集([^...])

规则:字符集取非,除列出的字符之外的任意一个字符

[^abc] --> 除a b c之外任意字符

1.2、匹配多个字符

* 匹配0次或者多次

+ 匹配1次或者多次

? 匹配0次或者1次

{m} 匹配m次

{m,n} 匹配m次到n次区间内的任意一次

1.3、匹配位置

^ 匹配开始位置

$ 匹配结束位置

A 匹配开始位置

Z 匹配结束位置

 匹配单词边界位置(一般用于首字母大写的匹配)

B 匹配非单词边界问题

1.4、转义

在正则表达式中有一类特殊字符需要转移,只需要在特殊字符之间加上 表示转移即可

. * + ? ^ $ [] {} () |

1.5、子组

使用() 可以为正则表达式建立内部分组,子组为正则表达式的一部分,可以看做一个内部整体。

  1. In [61]: re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(0) 
  2. Out[61]: 'https://www.baidu.com' 
  3. In [62]: re.search(r"(https|http|ftp)://w+.w+.(com|cn)","https://www.baidu.com").group(1) 
  4. Out[62]: 'https'  

1.6、贪婪模式和非贪婪模式

正则表达式的重复匹配总是尽可能多的向后匹配更多的内容。 贪婪模式包括:* + ? {m,n}

非贪婪模式:尽可能少的匹配内容 贪婪模式转换为非贪婪模式:*? +? ?? {m,n}?

  1. In [106]: re.findall(r"ab+?","abbbbbbbb"
  2. Out[106]: ['ab'
  3. In [107]: re.findall(r"ab??","abbbbbbbb"
  4. Out[107]: ['a' 

二、Re模块

感谢师哥!一个正则表达式居然可以给我分享的这么详细!分享给你

接下来我所有函数里面的参数解释如下:

  • pattern:正则表达式
  • string:目标字符串
  • pos:截取目标字符串起始位置
  • endpose:截取目标字符串结束位置
  • flags:功能标志
  • replaceStr:替换的字符串
  • max:最多替换几处(默认替换全部)

有上图我们看出来,接下来我们要将的Python中re模块、regex对象、match对象三者之间是存在一定关系的。

  1. re模块的compile方法返回一个regex对象
  2. re模块和regex对象的finditer()、fullmatch()、match()、search()等方法返回一个match对象
  3. 他们分别有自己的属性和方法

2.1、compile

  1. regex = re.compile(pattern, flags = 0) # 生成正则表达式对象  

2.2、findall

  1. re.findall(pattern,string,pos,endpose) # 从目标字符串中匹配所有符合条件的内容  

2.3、split

  1. re.split(pattern,string,flags) #根据正则表达式对目标字符串进行分割 
  2. In [79]: re.split(r's+',"Hello World"
  3. Out[79]: ['Hello''World' 

2.4、sub

  1. re.sub(pattern,replaceStr,string,max,flags) 
  2. In [80]: re.sub(r's+',"##","hello world"
  3. Out[80]: 'hello##world'  

2.5、subn

  1. re.subn(pattern,replaceStr,string,max,flags) #功能同sub,但是返回值返回替换后的字符串和替换了几处 
  2. In [80]: re.sub(r's+',"##","hello world"
  3. Out[80]: ('hello##world',1)  

2.6、finditer

  1. re.finditer(pattern,string) #使用正则表达式匹配目标字符串,返回一个match对象,match对象调用group()之后才能拿到值 
  2. In [87]: it = re.finditer(r'd+',"2014nianshiqiqngduo 08aoyun 512dizhen"
  3. In [88]: for i in it: 
  4.  ....: print(i) 
  5.  ....:  
  6. <_sre.SRE_Match object at 0x7f0639767920> 
  7. <_sre.SRE_Match object at 0x7f0639767ac0> 
  8. <_sre.SRE_Match object at 0x7f0639767920> 
  9. In [93]: it = re.finditer(r'd+',"2014nianshiqiqngduo 08aoyun 512dizhen"
  10. In [94]: for i in it: 
  11.  ....: print(i.group()) 
  12.  ....:  
  13. 2014 
  14. 08 
  15. 512  

2.7、fullmatch

  1. fullmatch(pattern,string,flags) #完全匹配目标字符串,相当于加了^ 和 $  

2.8、match

  1. re.match(pattern,string,flags) #匹配目标字符串开头的位置  

2.9、search

  1. re.search(pattern,string,flags) # 正则表达式匹配目标字符串,只匹配第一处  

三、一些练习题

3.1、匹配首字母大写的单词

  1. import re 
  2. f = open('test.txt'
  3. pattern= r'[A-Z][a-zA-Z]*s*' 
  4. # pattern= r'[A-Z]S' 
  5. L = [] 
  6. for i in f: 
  7.  L += re.findall(pattern,i) 
  8. print(L) 

test.txt文档内容如下:

  1. Hello World -12.6 
  2. Nihao 123 
  3. How are you -12 
  4. 1.24 
  5. asdk 34%, 
  6. 占比 1/2 
  7. 2003 - 2005./%  

3.2、匹配数字(正数、负数、小数、百分数、分数)

  1. import re 
  2. pattern = "-?d+((/?d+)|((.)?d+)|((%)?))" 
  3. f = open('test.txt'
  4. l = [] 
  5. for line in f: 
  6.  l += re.finditer(pattern,line) 
  7. for i in l: 
  8.  print(i.group()) 
【责任编辑:庞桂玉 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

Ubuntu Linux入门到精通

本书全面介绍了Ubuntu Linux的相关知识,内容详实,论述清晰。主要内容包括Ubuntu介绍、文件系统管理、进程管理、压缩与查询系统、Shel...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊