Python day19_正则
2018-05-27 本文已影响0人
g_s_007
. 匹配任意1个字符（除了\n）
[ ] 匹配[ ]中列举的字符
\d 匹配数字，即0-9
\D 匹配非数字，即不是数字
\s 匹配空白，即 空格，tab键
\S 匹配非空白
\w 匹配单词字符，即a-z、A-Z、0-9、_
\W 匹配非单词字符
* 匹配前一个字符出现0次或者无限次，即可有可无
+ 匹配前一个字符出现1次或者无限次，即至少有1次
? 匹配前一个字符出现1次或者0次，即要么有1次，要么没有
{m} 匹配前一个字符出现m次
{m,n} 匹配前一个字符出现从m到n次
^: 表示以什么字符串开头
$ :表示以什么结尾
| 匹配左右任意一个表达式
(ab) 将括号中字符作为一个分组
\num 引用分组num匹配到的字符串
(?P<name>) 分组起别名
(?P=name) 引用别名为name分组匹配到的字符串
re.search() 只查找一个
re.findall() 查找所有匹配字符
re.sub() 替换字符
注意 尽量在正则表达式的外面加上r 如：r'\d+' 避免匹配中遇到\反斜杠转义
模块： import re
举例：
匹配邮箱：
# 把邮箱类型作为一个分组: (分组数据)
match_obj = re.match("[a-zA-Z0-9_]{4,20}@(163|126|qq|sina)\.com$", "hello@163.com")
if match_obj:
print(match_obj.group())
# 表示获取第一个分组的数据
print(match_obj.group(1))
else:
print("匹配失败")
匹配网页地址:
方式一：
# <html>hh</html>
match_obj = re.match("<[a-zA-z0-9]+>.*</[a-zA-z0-9]+>", "<html>hh</html>")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
方式二：
# 引用分组匹配的数据: \num
match_obj = re.match(r"<([a-zA-z0-9]+)>.*</\1>", "<html>hh</html>")
if match_obj:
print(match_obj.group())
else:
print("匹配失败")
匹配网页地址：
import re
img_url = """<img alt="16圆圆儿的直播" data-original="https://rpic.douyucdn.cn/live-cover/appCovers/2018/04/15/3986928_20180415144934_big.jpg" src="https://rpic.douyucdn.cn/live-cover/appCovers/2018/04/15/3986928_20180415144934_big.jpg" width="283" height="163" class="JS_listthumb" style="display: block;">"""
# python默认是贪婪的根据正则表达式尽量多匹配数据
# 使用非贪婪: 尽量根据正则少匹配数据， 非贪婪的模式范围正则表达式后面加上?: 比如*?, +?, ??
# 提示： 如果匹配的数据比预想的数据要多这个时候需要想到非贪婪 比如*?, +?, ??
match_obj = re.search(r"https?://.*?.jpg", img_url)
if match_obj:
result = match_obj.group()
print(result)
else:
print("匹配失败")
