Python正则表达式中的量词符号与组问题小结
时间：2022-04-19 08:29:59|栏目：Python代码|点击： 次
正则表达式中的符号
例子
-
|是或的关系，只要存在就会被捕获 - 匹配到的数据只按字符串顺序返回，而不是按照匹配规则返回
In [18]: data = 'insane@loafer.com'
In [19]: print(re.findall('insane|com|loafer', data))
['insane', 'loafer', 'com']
^ 等同于 \A
In [20]: print(re.findall('^insane',data))
['insane']
In [21]: print(re.findall('^insane1',data))
[]
$ 等同于 \Z
In [22]: print(re.findall('com$',data))
['com']
In [23]: print(re.findall('net$',data))
[]
* 匹配0次或多次
In [24]: print(re.findall('\w*',data))
['insane', '', 'loafer', '', 'com', '']
+匹配1次或多次w+匹配1次或多次数字或字母@和.属于0次范围，不会被匹配出来
In [25]: print(re.findall('\w+',data))
['insane', 'loafer', 'com']
{3} 表示对于匹配到的数据只获取3次
In [31]: data = 'insane@loaf.com'
In [32]: print(re.findall('\w{3}',data))
['ins', 'ane', 'loa', 'com']
In [33]: print(re.findall('[a-z]{3}',data))
['ins', 'ane', 'loa', 'com']
[a-zA-Z0-9]基本上等同于\w
{M, N} 表示对于匹配到的数据只获取M~N次
In [34]: data = 'insane@loaf.com'
In [35]: print(re.findall('\w{1,4}',data))
['insa', 'ne', 'loaf', 'com']
反例：N 和 M 中间不能有空格
In [36]: print(re.findall('\w{1, 4}',data))
[]
[^...] 表示不匹配字符集中的字符
In [37]: data = 'insane@loaf.com'
In [38]: print(re.findall('[^insane]',data))
['@', 'l', 'o', 'f', '.', 'c', 'o', 'm']
组的概念
组的应用
In [42]: test = 'hello my name is insane'
In [43]: result = re.search('hello (.*) name is (.*)', test)
In [44]: result.groups()
Out[44]: ('my', 'insane')
In [45]: result.groups(1)
Out[45]: ('my', 'insane')
In [46]: result.group(1)
Out[46]: 'my'
In [47]: result.group(2)
Out[47]: 'insane'
- 贪婪与非贪婪 0次或多次属于贪婪模式
- 通过
?组合变成非贪婪模式 实战
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time : 2021/8/28 22:13
# @Author : InsaneLoafer
# @File : re_test2.py
import re
def check_url(url):
"""
判断url是否合法
:param url:
:return:
"""
result = re.findall('[a-zA-Z]{4,5}://\w*\.*\w+\.\w+', url)
if len(result) != 0:
return True
else:
return False
def get_url(url):
"""
通过组获取url中的某一部分
:param url:
:return:
"""
result = re.findall('[https://|http://](\w*\.*\w+\.\w+)', url)
if len(result) != 0:
return result[0]
else:
return ''
def get_email(data):
# result = re.findall('[0-9a-zA-Z_]+@[0-9a-zA-Z]+\.[a-zA-Z]+', data)
result = re.findall('.+@.+\.[a-zA-Z]+', data)
return result
html = ('<div class="s-top-nav" style="display:none;">'
'</div><div class="s-center-box"></div>')
def get_html_data(data):
"""
获取style中的display:
使用非贪婪模式
"""
result = re.findall('style="(.*?)"', data)
return result
def get_all_data_html(data):
"""
获取html中所有等号后双引号内的字符
:param data:
:return:
"""
result = re.findall('="(.+?)"', data)
return result
if __name__ == '__main__':
result = check_url('https://www.baidu.com')
print(result)
result = get_url('https://www.baidu.com')
print(result, 'https')
result = get_url('http://www.baidu.com')
print(result, 'http')
result = get_email('insane@163.net')
print(result)
result = get_html_data(html)
print(result)
result = get_all_data_html(html)
print(result)
True www.baidu.com https www.baidu.com http ['insane@163.net'] ['display:none;'] ['s-top-nav', 'display:none;', 's-center-box'] Process finished with exit code 0
栏 目：Python代码
本文地址：http://www.codeinn.net/misctech/199608.html
