Python正则表达式

Python正则表达式

参考学习资料：https://www.bilibili.com/video/BV144411A7L4

正则表达式的基本介绍

1.正则表达式是一种标准的匹配方式，可以用简单的字符去言简意赅的体现程序对匹配的需求，例如大小写、是否为空白字符等待，学会正则匹配可以在过滤危险语句的过程中，有效的产生应有的作用。

正则表达式的本质是使用一种规则，去匹配字符串，并且进行检索、替换等处理。

之前的文章里我学习过PHP的正则匹配，与PHP不同的是，Python通过re模块来提供对正则表达式的支持，过程如下：

①：首先将正则表达式的字符串形式编译为Pattern实例。

什么是Pattern实例呢，通缩来说就是匹配的正则表达式，例如如果要匹配名称中含有dogs的字符串，那么它的pattern实例就是re.compile('dog')

②：使用Pattern实例处理文本并且获得匹配结果

③：使用实例获得信息，进行其他操作

import re
pattern =re.compile('hello!')
match=pattern.match('hello woworldrld!')
print(match.group())
#显示结果是hello

注意，如果我们将re.compile里的内容转换为：

pattern = re.compile('woworldrld!')

就会出现报错，报错信息为：

AttributeError: 'NoneType' object has no attribute 'group'

这是因为match函数的匹配问题，match函数只能从头开始匹配，而不能从中间匹配，在没有匹配到元素后又调用了group函数，就会报错。而将match函数替换成research函数就不会出现上述的情况。

以上实际操作一共有两步：先通过编译设置pattern,再通过pattern的内置函数(match、replace..eg)进行匹配

但是也可以将以上步骤进行简化合并：

word=re.findall('world','helloworld')
print(word)

正则表达式匹配元素：

一般字符	作用	匹配使用
.	匹配任意换行符'\n'以外的字符，在DOALL1模式中也能匹配换行符	a.c=abc
\	转义字符，使得最后一个字符改变原来的意思，如果字符串有字符需要匹配，则可以使用*或者[]	a.c=a\.c
[...]	字符集，对应位置可以是字符集中的任何字符，也可以使用^(异或)运算符去排除其他字符，所有特殊字符在字符集中都失去原有的特殊含义	a[bc]d=ab

预定义字符集

字符	含义	样例	匹配
\d	数字:[0-9]	a\dc	a1c
\D	非数字:^[0-9]	a\Dc	abc
\s	非空字符<空格>\t\r\f\v	a\sc	a c
\S	非空白字符 [ ^\s}	a\Sc	abc
\w	单词字符[A-Za-z0-9]	a\wc	abc
\W	非单词字符[ ^\w]	a\Wc	a c

数量词

字符	含义	样例	匹配
*	匹配前一个字符0次或无限次	abc*	abcccc|ab
+	匹配前一个字符1次或无限次	abc+	abcccc|abc
?	匹配前一个字符0次或1次	abc?	ab|abc
{m}	匹配前一个字符m次	ab{2}c	abbc
{m,n}	匹配前要给字符m到次	ab{1,2}c	abc|abbc

逻辑、分组

字符	含义	样例	匹配
|	代表左右表达式任意匹配一个，但是是先左后右匹配，一旦左边匹配的是正确的，则跳过右边表达式的匹配	abc|efg	abc、efg
(...)	被括起来的表达式子将作为分组，从表达式左边开始没遇到一个分组的左括号，编号+1，分组表达式将作为一个整体	(abc){2}	abcabc

贪婪模式与非贪婪模式：

贪婪模式：尽可能多的匹配---->(.*)

非贪婪模式：尽可能少的匹配---->(.*?)

案例：

匹配B站发布python教程第一页的UP主名称：

import re
html='''
网页源代码
'''
title=re.findall(r'up-name">(.*?)</a',html)
#避免重复使用set将title原本的列表形式转换为集合形式
title=set(title)
for i in title:
    print(i)

#根据网页源代码特性，我们发现up主的姓名在"up-name">之后，</a之前，使用非贪婪模式即可匹配出来，但是用贪婪模式就会匹配到很多无关信息，直到最后一个</a

​

结果演示：

 

 

---

[1]  DOALL模式：使用s修饰符的方法，例如s.test('foo.bar')=foo\nbar