正则表达式

\w      匹配字母数字及下划线

\W      匹配f非字母数字下划线

\s      匹配任意空白字符，等价于[\t\n\r\f]

\S      匹配任意非空字符

\d      匹配任意数字

\D      匹配任意非数字

\A      匹配字符串开始

\Z      匹配字符串结束，如果存在换行，只匹配换行前的结束字符串

\z      匹配字符串结束

\G      匹配最后匹配完成的位置

\n      匹配一个换行符

\t      匹配一个制表符

^       匹配字符串的开头

$       匹配字符串的末尾

.       匹配任意字符，除了换行符，re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符

[....]  用来表示一组字符，单独列出：[amk]匹配a,m或k

[^...]  不在[]中的字符：[^abc]匹配除了a,b,c之外的字符

*       匹配0个或多个的表达式

+       匹配1个或者多个的表达式

?       匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

{n}     精确匹配n前面的表示

{m,m}   匹配n到m次由前面的正则表达式定义片段，贪婪模式

a|b     匹配a或者b

()      匹配括号内的表达式，也表示一个组

 

1.re.match():从字符串起始位置匹配，如果不是起始位置匹配返回none.

语法格式：
re.match(pattern,string,flags=0)

result.group()获取匹配的结果
result.span()获去匹配字符串的长度范围

尽量使用泛匹配，使用括号得到匹配目标，尽量使用非贪婪模式，有换行符就用re.S

常规匹配和范匹配

import re

content="hello 123 4567 World_This is a regex Demo"

#常规匹配

#result=re.match('^hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$',content)

#范匹配

result=re.match("^hello.*Demo$",content)

print(result)

print(result.group())

print(result.span())

 

贪婪匹配

import re

content= "hello 1234567 World_This is a regex Demo"

#目标匹配，为了匹配字符串中具体的目标，则需要通过（）括起来

#result = re.match('^hello\s(\d+)\sWorld.*Demo$',content)

#贪婪匹配

#result=re.match('^hello.*(\d+).*Demo',content)

#用贪婪匹配到1234567

result= re.match('^he.*?(\d+).*Demo',content)

print(result)

print(result.group())

print(result.group(1))

print(result.span())

 

 

 

#换行匹配

import re

content = """hello 123456 world_this

my name is flower

"""

result=re.match('^he.*?(\d+).*?flower$',content,re.S)

print(result)

print(result.group())

print(result.group(1))

 

 

转义

#转义,匹配的内容中存在特殊字符的时候，就需要用到转移符号\.

import re

content= "price is $5.00"

result = re.match('price is \$5\.00',content)

print(result)

print(result.group())

 

2.re.search扫描整个字符串返回第一个成功匹配的结果

#不需要在写^以及$，因为search是扫描整个字符串

import re

content = "extra things hello 123455 world_this is a Re Extra things"

result=re.search("hello.*(\d+).*?Re",content)

print(result)

print(result.group())

print(result.group(1))

 

 

 

3.re.findall搜索字符串，以列表的形式返回全部能匹配的子串。

import re

html = '''<div id="songs-list">

    <h2 class="title">经典老歌</h2>

    <p class="introduction">

        经典老歌列表

    </p>

    <ul id="list" class="list-group">

        <li data-view="2">一路上有你</li>

        <li data-view="7">

            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>

        </li>

        <li data-view="4" class="active">

            <a href="/3.mp3" singer="齐秦">往事随风</a>

        </li>

        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>

        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>

        <li data-view="5">

            <a href="/6.mp3" singer="邓丽君">但愿人长久</a>

        </li>

    </ul>

</div>'''

#result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)

#results=re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>',html,re.S)

results=re.findall('<li.*?singer="(.*?)">(.*?)</a>',html,re.S)

print(results)

print(type(results))

for result in results:

    #print(result)

print(result[0],result[1])

 

 

5.re.sub替换字符串中每一个匹配的子串后返回替换后的字符串

import re
content = "Extra things hello 123455 World_this is a regex Demo extra things"
#将数字替换成空字符串
#result=re.sub('\d+','',content)
#获取我们匹配的字符串，后面添加一些内容
result=re.sub('(\d+)',r'\1 7890',content)
print(result)

 

 

6.re.compile将正则表达式编译成正则表达式对象，方便复用该正则表达式

import re

content= """hello 12345 world_this

123 flower

"""

pattern =re.compile("hello.*flower",re.S)

 

result = re.match(pattern,content)

print(result)

print(result.group())

 

 7.正则综合练习

#获取豆瓣网书籍的页面的书籍信息
import requests
import re
content = requests.get('https://book.douban.com/').text
#print(content)
#pattern = re.compile('<li.*?cover.*?href="(.*?)".*?title="(.*?)".*?more-meta.*?author">(.*?)</span>.*?year">(.*?)</span>.*?</li>', re.S )

results = re.findall(pattern,content)
#print(results)

for result in results:
    url,name,author,date=result
    author = re.sub('\s','',author)
    date = re.sub('\s','',date)
    print(url,name,author,date)