正则表达式学习（2）

1.可选项

  比如：[colou?r],对color和colour，都可以匹配。这里，u?中的?表示紧邻着它的前一个字符是可选的

 这里再举一个例子，7月4日的英文的额文本，7月，可以是July 也可以是Jul。我们可以写成[July|jul],但是，更简洁的写法是：[July?]

4日，可以是4，也可以是4th,也可以是fourth，所以，就是[fourth|4th|4],进一步简洁为[fourth|4(th)?],注意，这里的？就是作用于（）里面的了

2.重复出现

[+]和[*]的作用和？类似。[+]表示紧邻的元素出现一次或者多次，而[*]表示之前紧邻的元素出现任意多次，或者不出现。

 

[+]和[*]和[？]这三个统称为量词，因为他们限定了匹配的次数。

 

我们来分析这段代码：

import re
mystr='<hr +size *= *[0-9]+ *>'
print(re.findall(mystr,'<hr      size   =14   >'))

这里分布分析：

1）hr和size之间，是有一个空格的，根据+表示，至少要有一个空格，多个也可以，因为在html语言中，hr和size必须要有空格。

2）=的左右两侧，可以有空格，也可以没有，也就是0到多个空格，这个时候，就是用*，而不能用=

3）[0-9]+表示有1个或者多个0到9之间的数字，最后一个*，很容易理解。

更进一步，在html中，实际上size这个也是可选的，比如<hr/>那就是使用缺省的size

import re
mystr='<hr( +size *= *[0-9]+)? *>'
print(re.match(mystr,'<hr   size  =    14   >').group(0))
print(re.match(mystr,'<hr>').group(0))

 

注意，这个时候，用findall是不对的，因为：

findall函数返回的总是正则表达式在字符串中所有匹配结果的列表，此处主要讨论列表中“结果”的展现方式，即findall中返回列表中每个元素包含的信息。

 

@1.当给出的正则表达式中带有多个括号时，列表的元素为多个字符串组成的tuple，tuple中字符串个数与括号对数相同，字符串内容与每个括号内的正则表达式相对应，并且排放顺序是按括号出现的顺序。

@2.当给出的正则表达式中带有一个括号时，列表的元素为字符串，此字符串的内容与括号中的正则表达式相对应（不是整个正则表达式的匹配内容）。

@3.当给出的正则表达式中不带括号时，列表的元素为字符串，此字符串为整个正则表达式匹配的内容。

 

而这里用match，也是起始位置开始匹配，如果匹配不到，就返回NONE，如果是如下代码，就出错了。

import re
mystr='王辰风    <hr( +size *= *[0-9]+)? *>'
print(re.match(mystr,'<hr   size  =    14   >').group(0))
print(re.match(mystr,'<hr>').group(0))

或者给成这样：

import re
mystr='(<hr( +size *= *[0-9]+)? *>)'
print(re.findall(mystr,'wcf <hr> <hr   size  =    14   >'))