(一)match()方法
1、最常规的匹配、泛化匹配
import re
content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$', content)
print(result)
print(result.group())
^$表示字符串开始和结尾
\s表示空白字符包括换行符
.*表示匹配任意字符
2、匹配目标
使用括号()把需要匹配的字符串提取出来
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld.*Demo$', content)
print(result)
print(result.group(1))
调用group(1)提取出第一个括号匹配的子串
3、贪婪模式和非贪婪模式
.* 尽可能的提取
.*?匹配尽可能少的字符
content = 'Hello 1234567 World_This is a Regex Demo'
#只能够提取到7 .*一直匹配到\s123456留最后一个数字给\d
result = re.match('^He.*(\d+).*Demo$', content)
#.*?只匹配\s,遇到第一个数字就由\d来匹配
result = re.match('^He.*?(\d+).*Demo$', content)#提取到1234567
(二)research()方法
搜索整个字符串来匹配,返回第一个成功匹配的字符串
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.*?singer="(.*?)">(.*?)</a>', html)
result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>', html, re.S)
if result:
print(result.group(1), result.group(2))
search方法的第三个参数加上re.S,使得.*?可以匹配换行
(三)findall()
搜索字符串,以列表形式返回全部能匹配的子串。
(四)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 stings Hello 1234567 World_This is a Regex Demo Extra stings'
content = re.sub('\d+', '', content)
print(content)
可以用来删除你不想要的字符串
配合findall,可以先将不需要的内容全部删除,然后再进行提取
#将html中的a标签的内容全部删除
html = re.sub('<a.*?>|</a>', '', html)
print(html)
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>'''
html = re.sub('<a.*?>|</a>', '', html)
print(html)
results = re.findall('<li.*?>(.*?)</li>', html, re.S)
print(results)
for result in results:
print(result.strip())