python正則表達式

最近做爬蟲，把python基礎的正則表達式又重新過了一遍。

常規匹配

import re

content = 'Hello 123 4567 World_this is a regex Demo'
print(len(content))

result = re.match("^Hello\s\d\d\d\s\d{4}\s\w{10}.*Demo$", content)
print(result)
print(result.group())
print(result.span())

輸出：

41
<_sre.SRE_Match object; span=(0, 41), match='Hello 123 4567 World_this is a regex Demo'>
Hello 123 4567 World_this is a regex Demo
(0, 41)

泛匹配

content = 'Hello 123 4567 World_this is a regex Demo'
result = re.match("^Hello.*Demo$", content)

匹配目標

獲取1234567

result = re.match("^Hello\s(\d+)\s.*Demo$", content)
print(result.group(1))

輸出：1234567

貪婪匹配

result = re.match("^He.*(\d+).*Demo$", content)

# 輸出 7

非貪婪匹配

？：匹配儘可能少的字符

result = re.match("^He.*?(\d+).*Demo$", content)

# 輸出1234567

匹配模式

• World_this之後進行了換行
• 參數後添加 re.S代表.*都能匹配
• .*匹配除了換行的任意字符

content = '''Hello 1234567 World_this
 is a regex Demo
'''
result = re.match("^He.*?(\d+).*?Demo$", content, re.S)

轉義

content = 'price is $10.00'
result = re.match('price is \$10\.00', content)

re.search

找一個結果

findall: 找所有

re.sub

字符串替換

content = "dimples 54 aaa"
result = re.sub('\d+', '', content)
print(result)

輸出：

dimples  aaa

替換原字符串本身或包含字符串

• \1 : 把第一個括號得內容拿過來做一些替換

content = "dimples 12345 aaa"
result = re.sub('(\d+)', r'\1 6789', content)
print(result)

輸出：

dimples 12345 6789 aaa

結合使用

獲取所有歌名

html = '''<li class="aaa">
        <a href="2.mp3">借</a>
    </li>
    <li data-view="6">消愁</li>
'''
result1 = re.sub('<a.*?>|</a>', '', html)
print(result1)
result2 = re.findall('<li.*?>(.*?)</li>', result1, re.S)
for result in result2:
    print(result.strip())

輸出：

借
消愁

re.compile

把一個正則字符串編譯成正則表達式對象，便於複用這個匹配模式

content = '''Hello 1234567 World_this
 is a regex Demo
'''
pattern = re.compile("^He.*?(\d+).*?Demo$", re.S)
result = re.match(pattern, content)
print(result)
print(result.group(1))

# 輸出： 1234567