正则匹配括号⾥⾯的内容不包括括号_python正则表达式
是⼀个计算机科学概念⽤于使⽤单个字符串来描述，匹配某个规则的字符串常常⽤来检索，替换某些模式的⽂本
正则的写法
.(点号)：表⽰任意⼀个字符，除了
[](中括号)，匹配括号中列举的范围，如[0-9]代表任意单个字数，[a-z]代表任意单个⼩写字母
d: 任意⼀个数字
D：除了数字都可以
s：表空格，tab键
S：除了空格，tab键之外
w：单词字符，a-z,A-Z,0-9,_
W：除了字母和数字
*：表⽰前⾯的内容重复零次或者多次
+：表⾯前⾯内容⾄少出现⼀次
：表⾯前⾯的内容出现⼀次或者零次
{m, n} ：出现m到n次
^ ：匹配字符串的开头
$：匹配字符串的结尾
()：对正则表达式的内容进⾏分组，从第⼀个括号开始
A：匹配字符串开始
Z：匹配字符串末尾
|：左右任意⼀个
使⽤⼤致步骤
1. 使⽤compile将表⽰正则的字符串编译为⼀个pattern对象
2. 利⽤Pattern对象提供的⽅法，对⽂本进⾏匹配，获取匹配结果
3. 最后利⽤match对象提供的属性和⽅法后去信息，根据需要进⾏操作
常⽤匹配⽅法
match匹配
必须从第⼀个字符开始就能匹配上，否则匹配失败
返回的结果只有⼀个，并且⽀持group分组
import retext = '1234aash34235235fdosdf'p = repile('[0-9]*')result = p.match(text)print(result)up())print(result.span())"""输出结果1234(0, 4)"""返回结构体re.Match
正则表达式获取括号内容span：表⽰匹配的跨度，从哪⾥匹配，到哪⾥结束，左包括右边不包括
group：表⽰匹配的组，如果只有⼀组则直接打印内容
start：显⽰开始匹配的字符串的位置
end：表⽰结束字符串的位置
groups：当正则⾥⾯出现括号时搭配使⽤
import retext = '1234aash34235235fdosdf'p = repile('([0-9]*)')  # 这⾥多了⼀个括号result = p.match(text)print(result)up())ups())p
search匹配
与match基本⼀致，也只返回⼀个结果
但是可以不⽤从开头位置匹配
返回⼀个结果，⽀持group分组
import retext = 'a1234aash34235235fdosdf'p = repile('[0-9]+')result = p.search(text)print(result)up())"""1234"""
findall匹配
匹配所有能匹配到的结果
不⽀持group分组，默认返回⼀个列表
import retext = 'a1234aash34235235fdosdf'p = repile('[0-9]+')result = p.findall(text)print(result)"""['1234', '34235235']"""
finditer匹配
匹配所有能匹配到的结果
默认返回⼀个迭代，由re.Match迭代⽽成，可以通过for循环取出
re.Match⽀持group分组
import retext = 'a1234aash34235235fdosdf'p = repile('[0-9]+')result = p.finditer(text)print(result)for r in result:    print(r)    up())"""123434235
sub替换
可以⽤sub替换要匹配的字符
sub为批量替换，即可以替换多个位置
import retext = 'a1234aash34235235fdosdf'p = repile('[0-9]+')result = p.sub('0', text)  # 把结果全部替换为0print(result)"""a0aash0fdosdf"""
group与groups的区别
group与groups都属于re.Match的内置属性
group⽤于直接显⽰匹配结果，⽽groups⽤于提取匹配结果中的值
以提取百度⽹页title为例
import reimport requestsurl = 'www.baidu'headers = {    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Geck
可以看出，group直接把整个匹配的结果都提取出来了groups只提取了匹配值中括号的部分，并且需要搭配()括号使⽤并且group的结果是
⼀个字符串，⽽groups的结果是⼀个tuple如果存在多个组的时候，两个结果更不相同
import retext = '2020-04-05'p = repile('([0-9]{4})-([0-9]{2})')  # 这⾥分了两个组，⼀组提取年份，⼀组提取⽉份result = p.search(text)print(result)
可以看出，group和groups⾥⾯是否加零结果都是⼀样的，即返回所有组group可以指定返回第⼏组的值，相对来说更好筛选groups直接
返回匹配的所有值根据这⾥特性，我们可以重新使⽤group对上⾯的百度标题进⾏爬取
import reimport requestsurl = 'www.baidu'headers = {    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Geck
正则表达式修饰符
re.I演⽰
假设想要匹配所有字母，不区分⼤⼩写
import retext1 = 'shdfi1234SHDFISHDI'p = repile('[a-z]+', re.I)  # 不区分⼤⼩写，所有字母都匹配result = p.findall(text1)print(result)"""['shdfi', 'SHDFISHDI']"""
re.M演⽰
假设匹配以sh开头以2结尾的字符串
import retext1 = 'sh22dfi1234SHDFIssSHDI'p = repile('^sh.*2$', re.M)  # 匹配多⾏，即忽略回车匹配所有⼩写字母p2 = repile('^sh.*2$')result = p.findall(text
可以看出，在多⾏模式下，⼀个字符串根据回车符号被拆分成两⾏，即有两个开头与结尾。
re.S演⽰
假设匹配⼀个d..I的字符串
import retext1 = 'sh22dfi1234SHDFIssSHDI'p1 = repile('d.*I')p2 = repile('d.*I', re.S)  # 让点
号也能匹配换⾏符result1 = p1.search(text1)result2 = p2.searc 匹配中⽂
匹配中⽂[⼀-龥]，不包括全⾓标点
贪婪匹配与⾮贪婪匹配
. *和.*?
import retext = '12ddd345'# 匹配⼀个数字开头数字结尾的字符串p1 = repile('[0-9].*[0-9]')  # 贪婪模式p2 = repile('[0-9].*?[0-9]')  # ⾮贪婪模式result1 = p1.
正则表达式默认使⽤贪婪匹配
import retext = u'123你好bbabd'p1 = repile(u'[⼀-龥]{1,2}')  # 匹配⼀个或者两个中⽂result1 = p1.search(text)up())  # 打印结果是匹配两个"""你
如果使⽤⾮贪婪匹配
import retext = u'123你好bbabd'p1 = repile(u'[⼀-龥].*?')  # 匹配⼀个或者两个中⽂result1 = p1.search(text)up())  # 打印结果是匹配⼀个"""你"""

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。