更多优质内容
请关注公众号
请关注公众号
正则也是各种计算机语言通用的一种技术,本文主要讲解如何使用Python的re模块处理和使用正则表达式,但是对正则表达式的基础不过多阐述,以讲解如何使用Python处理正则为主,如果缺少正则基础知识的朋友可以查看我在PHP专区的正则教程
接下来正式介绍
import re #首先要引入re模块
re.search(r'abc','I love abc') #search方法用来在字符串中搜索表达式第一次出现的位置
#他返回的是一个对象
#<_sre.SRE_Match object; span=(7, 10), match='abc'>
# 表达式要用原始字符串 r 可以省下很多麻烦
#re.search只匹配一次
re.search(r"[abcd]","I love abcba)
#使用()配合\数字是子匹配引用
print(re.search(r"(abc)\1","aaaabcabcccc")) #<_sre.SRE_Match object; span=(3, 9), match='abcabc'>
注意，在[]中，多数匹配符会失效
例如，.匹配除了换行符中的所有字符，但是[.]他就变成了匹配.的字符串
^ - 在[]中有特殊作用
search方法匹配一次，如果想要匹配多个，可以这样使用findall方法
re.findall(r"[a-z]","jsadfljaldsfj")
#他会返回一个列表，里面放着所有匹配到的内容
#['j', 's', 'a', 'd', 'f', 'l', 'j', 'a', 'l', 'd', 's', 'f', 'j']
关于贪婪匹配
str="<html><title>hello</title></html>"
#我想只匹配一个<html>
re.search(r"<.+>",str)
#结果是把<html><title>hello</title></html>全都匹配了
#因为这个str的第一个字符是<，最后一个字符是>，他会尽可能多的匹配
#此时用.+?可以拒绝贪婪匹配
hello
" #我想只匹配一个
re.search(r"<.+>",str) #结果是把
hello
全都匹配了 #因为这个str的第一个字符是<，最后一个字符是>，他会尽可能多的匹配 #此时用.+?可以拒绝贪婪匹配
如果search匹配不到会返回None
如果findall匹配不到会返回[]
如果需要重复使用某个正则表达式，我们可以用re.compile()来将他编译
例如：
import re
pattern=re.compile(r"[a-z]+",re.I) #这里compile的第二参可以传入模式修正符,这里使用的是I修正符即忽略大小写
str1 = "My name is zbp"
str2 = "I'm 22 years old"
print(pattern.findall(str1)) #['My', 'name', 'is', 'zbp']
print(pattern.findall(str2)) #['I', 'm', 'years', 'old']
search和findall的第三参可以传入模式修正符
常用修正符：
I 忽略大小写
S 使得.可以匹配换行
M 多行匹配，但会影响^ $
关于如何获取子匹配内容
我们知道用()可以保存子匹配的内容
对于search方法来说,可以配合()和group()方法获取子匹配
res=re.search(r"(\w+) (\w+)","I love you")
print(res.group()) # I love
print(res.group(1)) # I
print(res.group(2)) # love
这个其实在Python的正则技术中叫做分组
对于findall方法来说,如果有子匹配的话，他会返回一个列表，里面放着的是子匹配的内容；如果正则中只有一个子匹配，那么他是一个列表放着多个字符串；如果有多个子匹配就是一个列表放着多个元祖，元组中放着多个子匹配字符串；
例如
ip="""
23.225.228.2,
23.225.166.3,
192.168.1.100,
171.110.5.1
"""
p=re.compile(r"(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])")
res=p.findall(ip)
print(res)
#结果：
#[('228.', '228', '2'), ('166.', '166', '3'), ('1.', '1', '100'), ('5.', '5', '1')]
因为我上面正则中有3个()，匹配到4个ip，所以返回一个长度为4的列表，里面的元组长度为3；
再如下：
html="""
<center>
<img src="https://mtl.ttsqgs.com/images/img/16571/1.jpg" alt="[Ugirls爱尤物] No.1312 董小姐poppy - 谁的董小姐 写真套图第1张" class="content_img" title="美图录提示：点击图片，查看原尺寸高清大图">
<img src="https://mtl.ttsqgs.com/images/img/16571/2.jpg" alt="[Ugirls爱尤物] No.1312 董小姐poppy - 谁的董小姐 写真套图第2张" class="content_img" title="美图录提示：点击图片，查看原尺寸高清大图">
<img src="https://mtl.ttsqgs.com/images/img/16571/3.jpg" alt="[Ugirls爱尤物] No.1312 董小姐poppy - 谁的董小姐 写真套图第3张" class="content_img" title="美图录提示：点击图片，查看原尺寸高清大图">
<img src="https://mtl.ttsqgs.com/images/img/16571/4.jpg" alt="[Ugirls爱尤物] No.1312 董小姐poppy - 谁的董小姐 写真套图第4张" class="content_img" title="美图录提示：点击图片，查看原尺寸高清大图">
</center>
"""
p=re.compile(r'<img src=\"([^\"]+)\".*?>')
res=p.findall(html)
print(res)
#结果是：
#['https://mtl.ttsqgs.com/images/img/16571/1.jpg', 'https://mtl.ttsqgs.com/images/img/16571/2.jpg', 'https://mtl.ttsqgs.com/images/img/16571/3.jpg', 'https://mtl.ttsqgs.com/images/img/16571/4.jpg']
啊,不好意思,上面的一串html代码好像让大家发现了些什么.....
咱们继续,因为正则中只有一个子匹配，所以列表中的内容不是元组而是字符串。如果不想使用子匹配可以在括号开头加一个？即(?:xxx)
使用了子匹配，他就无法匹配整个正则的内容，此时你可以在整个正则外面包一个括号：
p=re.compile(r'(<img src=\"([^\"]+)\".*?>)')
既能得到完整匹配，又可以得到子匹配
最后在说一下一个很常用的，正则替换
如下
import re
html="""
<center>
<img src="https://mtl.ttsqgs.com/images/img/16571/1.jpg" alt="[Ugirls爱尤物] No.1312 董小姐poppy - 谁的董小姐 写真套图第1张" class="content_img" title="美图录提示：点击图片，查看原尺寸高清大图">
</center>
"""
#现在我要将上面字符串中双引号中的内容替换为#
pattern = re.compile(r"\"(.*?)\"")
html2 = pattern.sub("\"#\"",html)
print(html2)
