正则表达式手册 常用模式解析（6）

此为教程笔记

教程地址：https://study.163.com/course/courseMain.htm?courseId=1209401897

感谢老师：城市数据团大鹏

1.正则表达式快速上手

1.1 正则表达式是什么？

1.2 爬虫中正则表达式的作用是什么

2 正则表达式的模式

简单理解，就是原来表示转义字符的不再表示转义，而就是它原来的意思。如“\n”在python中表示换行，如果想要它表示“\n”，就要用r’\n’
在正则表达式中，一般都用r’‘写逻辑公式，避免遇到转义字符。是一种较懒的方法。

模式非常多，但主要分为以上6类。大部分模式以及对应的描述如下
描述

模式	描述
^	匹配字符串的开头 “匹配位置”
$	匹配字符串的末尾 “匹配位置”

import re

# 匹配位置
s = 'hello word!'
m = r'^h'   # 匹配模式，

# print(re.match(m,s))  # 匹配h开头的字符
#  结果 <re.Match object; span=(0, 1), match='h'>

m1 = r'!$'
# print(re.match(m1,s))  # 匹配！结尾的字符
# 结果为None，是因为match函数是从起始位置还是匹配，正确的写法如下

m2 = r'.*!$'
print(re.match(m2,s))  # 匹配！结尾的字符
# 结果：<re.Match object; span=(0, 11), match='hello word!'>

这里需要注意^和 $的位置，^是在字符前面，$在字符后面

用于匹配内容的常用模式

示例

用于匹配次数

示例 贪婪匹配（re*）和非贪婪匹配(re*?)

s1 = 'abc1wabc1w'
print(re.match(r'.+[1w]',s1))
# 结果 <re.Match object; span=(0, 10), match='abc1wabc1w'>
print(re.match(r'.*[1w]',s1))  # 贪婪匹配，尽可能多的匹配,直到找到最后一个匹配项
# 结果 <re.Match object; span=(0, 10), match='abc1wabc1w'>
print(re.match(r'.*?[1w]','abc1wabc1w')) # 匹配到一个就停止
# 结果 <re.Match object; span=(0, 4), match='abc1'>

示例 re{n} 和re{n,m}

s2 = 'agfbbbcccbbrrb'
print(re.match(r'.*?[b]{2}',s2)) # 非贪婪匹配，匹配到两个b就停止
# <re.Match object; span=(0, 5), match='agfbb'>
print(re.match(r'.*[b]{2}',s2))  # 贪婪匹配，匹配两个b
# <re.Match object; span=(0, 11), match='agfbbbcccbb'>
print(re.match(r'.*[b]{1,2}',s2))  # 贪婪匹配，1到2个b
# <re.Match object; span=(0, 14), match='agfbbbcccbbrrb'>
print(re.match(r'.*?[b]{1,2}',s2))  # 非贪婪匹配，1到2个b
# <re.Match object; span=(0, 5), match='agfbb'>

3 字符搜索

re,match()从字符起始开始搜索，re.search()从字符中间任意位置搜索。
示例 re.findall()

s3 = 'one12 twothree 34 four'
print(re.findall(r'\d',s3)) # 找到所有数字
# 结果 ['1', '2', '3', '4']
print(re.findall(r'\d\d',s3))  # 找两个一组的
# ['12', '34']

4 字符替换与分割

替换