Directorio artículo
Las expresiones regulares son algunas reglas pequeños
① metacaracteres
regla | uso |
---|---|
\re | partido número es igual a -> [0-9] |
\ w | Las letras subrayadas coinciden con el mismo número -> [_a-zA-Z0-9] |
\ s | Coincidencia de espacio con tecla de tabulación de línea nueva |
\RE | Además de la coincidencia de lo que los números |
\ W | Además de coincidencia algo subrayado alfanumérica |
\ S | Además del espacio de juego con nueva línea algo más que la tecla de tabulación |
. | Además de hacer coincidir todas las cosas de nueva línea módulo er se puede adaptar a los saltos de línea tales re.S |
[] | Izquierda y derecha entre corchetes se utilizan para especificar una clase de caracteres. clase de caracteres es un grupo de caracteres que basarse en juego. |
[^] | Lo opuesto |
^ | Coincide con el comienzo |
PS | Final del partido |
② cuantificadores
regla | uso |
---|---|
? | Partido 0 o 1 |
+ | Coincidir con 1 o más veces |
* | Coincida con 0 o más veces |
③ codicia y igualación no codicioso
Siempre dentro del ámbito de los cuantificadores tantos partidos - la codicia
siempre corresponda con tan poco como sea posible dentro del alcance de los cuantificadores - inerte
. * X coincide con cualquier contenido encontrado con cualquier número de veces hasta la parada x
+ X coincide con cualquier contenido al menos una vez encontrado en x.? parada
④ escapar de los problemas
Hay un significado especial, la abolición de especial significación \
abolición de un significado especial metacarácter hay dos maneras
en frente de los meta-caracteres más \
en la parte del carácter en vigor, este meta-caracteres del juego de caracteres en
[. () +? * ]
Python -> módulo re
findall
会优先显示分组内的内容
*****取消优先显示(?:正则)
search
只能返回第一个符合条件的项
得到的结果需要.group取值
默认获取完整的匹配结果
通过group(n)取第n个分组中的内容
# search 还是按照完整的正则进行匹配,显示也显示匹配到的第一个内容,但是我们可以通过给group方法传参数
# 来获取具体文组中的内容
ret = re.search('9(\d)(\d)','19740ash93010uru')
print(ret) # 变量 -- > <re.Match object; span=(1, 4), match='974'>
if ret:
print(ret.group()) # --> 974
print(ret.group(1)) # --> 7
print(ret.group(2)) # --> 4
# findall
# 取所有符合条件的,优先显示分组中的
# search 只取第一个符合条件的,没有优先显示这件事儿
# 得到的结果是一个变量
# 变量.group() 的结果 完全和 变量.group(0)的结果一致
# 变量.group(n) 的形式来指定获取第n个分组中匹配到的内容
# 加上括号 是为了对真正需要的内容进行提取
ret = re.findall('<\w+>(\w+)</\w+>','<h1>askh930s02391j192agsj</h1>')
print(ret) # --> ['askh930s02391j192agsj']
Otros comentarios de contenido se detalla en el código, puede copiar el código de ejecución paso a paso, a continuación, experimento
Los siguientes contenidos: Dividir Sub subn las matemáticas, la compilación, finditer
# split sub subn math,compile,finditer
# split
res = re.split('\d+', "cyx123456cyxx")
print(res) # --> ['cyx', 'cyxx']
res = re.split('(\d+)', "cyx123456cyxx") # 保留分组
print(res) # --> ['cyx', '123456', 'cyxx']
# sub 替换
res = re.sub('\d+', '我把数字替换了',
"cyx123456cyxxx123456") # 默认全部替换,当然也可以替换一次re.sub('\d+','我把数字替换了',"cyx123456cyxxx123456",1)
print(res) # --> cyx我把数字替换了cyxxx我把数字替换了
# subn 替换了并显示替换的次数
res = re.subn('\d+', '我把数字替换了', "cyx123456cyxxx123456")
print(res) # --> ('cyx我把数字替换了cyxxx我把数字替换了', 2)
# match 这个就相当与加了个^ (和search差不多) --> 主要用来规定这个字符号必须是什么样的
res = re.match('\d+', 'cyx123456cyxxx')
print(res) # --> None
res = re.match('\d+', '123cyx456cyxxx')
print(res.group()) # --> 123
# compile -- 节省代码的时间的工具
# 假如同一个正则表达式要被使用多次
# 节省了多次解析同一个正则表达式的时间
ret = re.compile("\d+")
res = ret.search("cyx12456cyxXX123")
print(res.group()) # --> 12456
# finditer --> 节省空间
ret = re.finditer("\d+", "cyx123456cyxxx125644")
for r in ret:
print(r.group()) # --> 123456
# 125644
# 怎么又节省时间又节省空间呢?
ret = re.compile('\d+')
res = ret.finditer("cyx222231fddsf45746sdf2123sdf56456sdf10123sdf123132sdf")
for r in res:
print(r.group())
"""
222231
45746
2123
56456
10123
123132
"""
# 分组命名(?P<组名>正则) (?P=组名)
# 有的时候我们要匹配的内容是包含在不想要的内容之中的,
# 只能先把不想要的内容匹配出来,然后再想办法从结果中去掉
# 分组命名的用法 (找两个组里面是一样的内容)
exp = '<abc>asdasf54545645698asdasd</abc>00545sdfsdf</abd>'
ret = re.search('<(?P<tag>\w+)>.*?</(?P=tag)', exp)
print(ret) # -- > <re.Match object; span=(0, 33), match='<abc>asdasf54545645698asdasd</abc'>
# exp2:
import re
ret = re.search('\d(\d)\d(\w+?)(\d)(\w)\d(\d)\d(?P<name1>\w+?)(\d)(\w)\d(\d)\d(?P<name2>\w+?)(\d)(\w)',
'123abc45678agsf_123abc45678agsf123abc45678agsf')
print(ret.group('name1')) # -- > agsf_123abc
print(ret.group('name2')) # -- > agsf
Pequeño pensamiento actual
Cuando tenemos una lista como esta:
lis = ['', 'z', 'c', 'asd', 'sdf', '', 'asd']
Entonces, ¿cómo eliminarla dentro del carácter nulo?
ret = filter(lambda n: n, lis)
print(list(ret)) # --> ['z', 'c', 'asd', 'sdf', 'asd']