python正则表达式

最近做爬虫，把python基础的正则表达式又重新过了一遍。

常规匹配

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())

输出：

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)

匹配目标

获取1234567

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

输出：1234567

贪婪匹配

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

# 输出 7

非贪婪匹配

？：匹配尽可能少的字符

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

# 输出1234567

匹配模式

• World_this之后进行了换行
• 参数后添加 re.S代表.*都能匹配
• .*匹配除了换行的任意字符

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

转义

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

re.search

找一个结果

findall: 找所有

re.sub

字符串替换

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

输出：

dimples  aaa

替换原字符串本身或包含字符串

• \1 : 把第一个括号得内容拿过来做一些替换

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

输出：

dimples 12345 6789 aaa

结合使用

获取所有歌名

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())

输出：

借
消愁

re.compile

把一个正则字符串编译成正则表达式对象，便于复用这个匹配模式

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))

# 输出： 1234567