2018-08-09 3days 正则表达式

字符:
一般字符 :匹配自身。
. : 匹配除“\n” 之外的任意字符,在DOTALL 模式中也能匹配换行符
\ : 转义字符 使后一个字符改变原来的意思。
[....] :字符集 字符类 可以给出值得取值范围, 第一个字符如果是^表示取反
预定义字符集
\d :数字[0-9]
\D: 非数字 [^\d]
\s :空白字符 。 [空格 \t\r\n\f\v]
\S : 非空白字符
\w : 单词字符
\W :非单词字符
数量词

  • 匹配前一个字符0次或 无限次
  • 匹配前一个字符1次或无限次
    ?匹配前一个字符0次或1次
    {m} 匹配前一个字符m次
    {m,n} 匹配前一个字符m次至n次
    *?+??? {m,n}? 变成非贪婪模式。
    ^ \A 匹配字符开头
    $ \Z 匹配字符串末尾
    \b .匹配单词的边界
    \B [^\b]
    逻辑 分组
    | 或 用括号括住
    (.....) . 分组 有编号 从1 开始
    (?p<name>...) 分组,除了原有的编号 外在指定一个额外名额
    <number> 引用编号为<number>的分组匹配到的字符串。
    (?p=name) 引用别名的分组匹配到的字符串

compile 函数
compile 函数用于编译正则表达式,生成一个 Pattern 对象,它的一般使用形式如下:
import re 将正则表达式编译成 Pattern 对象 pattern = re.compile(r'\d+')

● match 方法:从起始位置开始查找,一次匹配
● search 方法:从任何位置开始查找,一次匹配
● findall 方法:全部匹配,返回列表
● finditer 方法:全部匹配,返回迭代器
● split 方法:分割字符串,返回列表
● sub 方法:替换
match方法介绍
match 方法用于查找字符串的头部(也可以指定起始位置),它是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果。它的一般使用形式如下:
当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。
导入re模块
import re

使用match方法进行匹配操作

result = re.match(正则表达式,要匹配的字符串)

如果上一步匹配到数据的话,可以使用group方法来提取数据

result.group()

re模块的高级用法
search:
search 方法用于查找字符串的任何位置,它也是一次匹配,只要找到了一个匹配的结果就返回,而不是查找所有匹配的结果,它的一般使用形式如下:
当匹配成功时,返回一个 Match 对象,如果没有匹配上,则返回 None。
需求:匹配出文章阅读的次数

coding=utf-8

import re

ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()

运行结果:

'9999'
findall
上面的 match 和 search 方法都是一次匹配,只要找到了一个匹配的结果就返回。然而,在大多数时候,我们需要搜索整个字符串,获得所有匹配的结果。
findall 方法的使用形式如下:
findall 以列表形式返回全部能匹配的子串,如果没有匹配,则返回一个空列表。
需求:统计出python、c、c++相应文章阅读的次数

coding=utf-8

import re

ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)

运行结果:

['9999', '7890', '12345']
sub
sub 方法用于替换。它的使用形式如下:
需求:将匹配到的阅读次数加1
方法1:

coding=utf-8

import re

ret = re.sub(r"\d+", '998', "python = 997")
print(ret)

运行结果:

python = 998
方法2:

coding=utf-8

import re

def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)

ret = re.sub(r"\d+", add, "python = 997")
print(ret)

ret = re.sub(r"\d+", add, "python = 99")
print(ret)

运行结果:

python = 998
python = 100
练习
从下面的字符串中取出文本
<div>
<p>岗位职责:</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p>
</p>
<p>必备要求:</p>
<p>良好的自我驱动力和职业素养,工作积极主动、结果导向</p>
<p> 
</p>
<p>技术要求:</p>
<p>1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式</p>
<p>2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种
</p>
<p>4、掌握NoSQL、MQ,熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js</p>
<p> 
</p>
<p>加分项:</p>
<p>大数据,数理统计,机器学习,sklearn,高性能,大并发。</p>

    </div>

参考答案:
re.sub(r"<[^>]*>| |\n", "", test_str)
split
根据匹配进行切割字符串,并返回一个列表
需求:切割字符串“info:xiaoZhang 33 shandong”

coding=utf-8

import re

ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)

运行结果:

['info', 'xiaoZhang', '33', 'shandong']
finditer
finditer方法的行为跟 findall 的行为类似,也是搜索整个字符串,获得所有匹配的结果。但它返回一个顺序访问每一个匹配结果(Match 对象)的迭代
import re
ret = re.finditer('ha',baseStr)
print(type(ret))
print(ret)

for item in ret:
print(type(item))
print(item.group())
结果: <class 'callable_iterator'> <callable_iterator object at 0x7fb06cc15828> <class '_sre.SRE_Match'> ha <class '_sre.SRE_Match'> ha <class '_sre.SRE_Match'> ha <class '_sre.SRE_Match'> ha <class '_sre.SRE_Match'> ha <class '_sre.SRE_Match'> ha

*? 重复任意次,但尽可能少重复
+? 重复1次或更多次,但尽可能少重复
?? 重复0次或1次,但尽可能少重复

推荐阅读更多精彩内容

  • 搞懂Python 正则表达式用法 Python 正则表达式 正则表达式是一个特殊的字符序列,它能帮助你方便的检查一...
    厦热阅读 194评论 0 2
  • re模块手册 本模块提供了和Perl里的正则表达式类似的功能,不关是正则表达式本身还是被搜索的字符串,都可以...
    喜欢吃栗子阅读 1,533评论 0 11
  • 1.正则表达式概述 正则表达式,又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法(英语:Regula...
    TENG书阅读 144评论 0 1
  • 只要差一点点,我每天的计划就会出差错,不能好好的完成,这样心里就会觉得很累,毫无成就感,虽然也还是努力让自己开心起...
    周兴哲阅读 107评论 0 2
  • 夜静静的入了窗。 漆黑!屋子里,渐渐的冷了。。。 一丝月光透过窗帘的涟漪映射在眼上,才发觉不知何时留下了珠泪。 夜...
    硕天阅读 28评论 0 1