Python regular expressions to learn and use

First, what is the regular expression

　　A regular expression is a logical formula of strings (including ordinary characters (e.g., letters), and special characters between a to z (referred to as "meta character")) operation, is to use pre-defined specific character and the combination of specific characters, consisting of a "rule string", this "rule string" is used to express a filtering logic of the string. Regular expression is a text mode, which is described in one or more strings to match when searching for text.

Second, the regular expression features

Regular expression features:

• 1. Flexibility, logic and functionality is very strong;
• 2 can be rapidly with a very simple way to achieve complex control string.
• 3. For people who are new, relatively obscure.

Since regular expressions are the main application object is text, so it has applications in a variety of text editors occasion, small to famous editor EditPlus, as large as Microsoft Word, Visual Studio and other large editor, you can use regular expressions to handle text content.

Third, the operator of the expression commonly used

• 　　^ Start
• 　　() Domain section
• 　　[] Comprising, a default character length
• 　　[^] Is not included, a default character length
• 　　{ N- , m } match length
• 　　Any single character (\. Character points)
• 　　| Or
• 　　\ Escape
• 　　$ End
• 　　[AZ] 26 uppercase letters
• 　　[Az] 26 lowercase letters
• 　　[0-9] Digital 0-9

Fourth, the use of examples

Title: crawling the site English name English name, gender, meaning, Introduction.

1. Find its anti crawler request header through a web interface:

 

 

Parse the response:

. 1 Response = requests.post ( ' http://www.nymbler.com/nymbler/more/5 ' ) # response to the request 
2 docx = (response.text) # get parsed file

Use regular expressions to obtain main elements:

. 1 name = the re.findall (R & lt ' "name": "([^"] +) " ' , docx) # acquired file name tags from text string resources inside the content 
2 Gender = the re.findall (R & lt ' " gender ":" ([^ "] +)" ' , docx) # string text content obtaining gender from tag inside the resource file 
. 3 info = the re.findall (R & lt ' "info": "([^"] + ) " ' , docx) # Get info text label from inside the character string resource file content 
. 4 meaning the re.findall = (R & lt ' " meaning ":" ([^ "] +)" ' , docx) # from a text file string content resources inside the label after acquiring meaning

Successfully obtained:

Source code may be:

 1 import requests
 2 import re
 3 headers = {
 4 'Cookie':"heroku-session-affinity=AECDaANoA24IAaj0sYj+//8HYgAH2hNiAAsB42EDbAAAAANtAAAABXdlYi4zbQAAAAV3ZWIuMm0AAAAFd2ViLjFqTiF9lGfQyz4HBcluZEIivsLibgo_; PLAY_SESSION=e625836109d6e09af14be41657c35e808ca31e72-session_id=240bcff7-ebb5-49ee-8fa4-ffcc5ba32e48; _ga=GA1.2.408125030.1575511582; _gid=GA1.2.1377013858.1575511582; td_cookie=18446744071831041204; _gat_gtag_UA_1763772_1=1"
 5 }
 6 response = requests.post('http://www.nymbler.com/nymbler/more/5')#响应请求
 7 docx=(response.text)#获得解析文件
 8 name=re.findall(r'"name":"([^"]+)"',docx)#从text文件资源里面获取name标签后的字符串内容
 9 gender=re.findall(r'"gender":"([^"]+)"',docx)#从text文件资源里面获取gender标签后的字符串内容
10 info=re.findall(r'"info":"([^"]+)"',docx)#从text文件资源里面获取info标签后的字符串内容
11 meaning=re.findall(r'"meaning":"([^"]+)"',docx)#从text文件资源里面获取meaning标签后的字符串内容
12 print("姓名：\n",name)#将获取的内容以字典格式输出
13 print("性别：\n",gender)
14 print("名字寓意：\n",meaning)
15 print("名字简介：\n",info)

五、补充说明

re库常用函数：

• re.compile() ：

  将正则表达式模式编译成一个正则表达式对象，它可以用于匹配使用它的match ()和search ()方法，如下所述。

  可以通过指定flags值修改表达式的行为。值可以是任何以下变量，使用组合 OR （ |运算符）。

  但使用re.compile()和保存所产生的正则表达式对象重用效率更高时该表达式会在单个程序中多次使用。

• re.escape()：

  返回的字符串与所有非字母数字带有反斜杠；这是有用的如果你想匹配一个任意的文本字符串，在它可能包含正则表达式元字符

  简单理解：把字符串按照可能会是正则表达式来理解，这样就需要把特殊字符都转义。这样才能方便匹配时精确匹配每个字符。

  字符'[a-z]'这个字符串可以看作是正则表达式的模式，这样就不能作为被匹配的字符串。如果想把这个字符串作为被匹配的模式就需要转义这些特殊字符。print(re.escape('[a-z]'))

  \[a\-z\]

   

• re.findall()：

  作为一个字符串列表，在字符串中，返回所有非重叠匹配的模式。该字符串是从左到右扫描的，匹配按照发现的顺序返回。如果一个或多个组是本模式中，返回一个列表的群体 ；如果该模式具有多个组，这将是元组的列表。空匹配包含在结果中，除非他们接触到另一场匹配的开头。

  返回一个匹配的所有内容的列表。如果没有匹配内容则返回空列表。

• re.match()：

  如果在字符串的开头的零个或更多字符匹配这个正则表达式，将返回相应的作法实例。返回没有如果，则该字符串与模式不匹配请注意这是不同于零长度匹配。

  简单理解：就是从字符串的开始做正则匹配。能匹配到的最大位置返回。返回的对象用group/groups方法读取。可以不匹配到字符串的末尾。但是字符串的开始必须匹配，否则返回空字符串。

• re.search()：

  扫描字符串寻找第一个匹配位置，在此正则表达式产生的匹配，并返回相应的MatchObject实例。如果没有字符串中的位置匹配模式返回空 。

  可选的第二个参数pos给索引在字符串中搜索在哪里开始；它将默认为0。这并不完全等于切片的字符串 ； ' ^'模式字符匹配在真正开始的字符串和位置刚换行，但不是一定是在开始搜索的索引

  可选参数endpos限制了多远的字符串将被搜索 ；它将，如果字符串是endpos个字符长，因此，只有从pos到字符endpos - 1将搜索匹配项。如果endpos小于pos，没有比赛会发现，否则，如果rx是已编译的正则表达式对象， rx.search （字符串， 0， 50)相当于rx.search （字符串 [： 50]， 0)。

  注意：如果查找字符时用*则会默认匹配0个对应的字符。这样就会返回空字符串。

• re.split()：将字符串拆分的模式的匹配项。如果在模式中使用捕获括号，则然后也作为结果列表的一部分返回的文本模式中的所有组。如果maxsplit不为零，顶多maxsplit分裂发生，并且该字符串的其余部分将作为列表的最后一个元素返回。

参考博文：https://www.cnblogs.com/mehome/p/9513492.html