正则表达式
在线正则表达式测试工具:http://tool.oschina.net/regex#
正则表达式默认为贪婪模式,如,(.*) 只匹配括号前面的;非贪婪模式 (.*?) 匹配括号两边的。
import requests,re res='<a id="text-indent" href="http://www.nnzhp.cn:80/blog/page/2" title="第 2 页">2</a>111111111<a id="text-indent" href="http://www.nnzhp.cn:80/blog/page/4" title="第 2 页">2</a>' url1=re.findall(r'<a id="text-indent" href="(.*)" title=',res) #贪婪模式 print(url1) url2=re.findall(r'<a id="text-indent" href="(.*?)" title=',res) #非贪婪模式 print(url2)
一、查询功能
import re s='besttest is good is is' print(re.match(r'be',s).group()) #字符串前加r代表原字符串 # match方法接收3个参数,第一个是正则表达式,第二个是要查找的字符串,第三个不是必填的,用于控制正则的匹配方式 #是从第一个单词中匹配字符串,如果匹配到返回一个对象,否则,返回None print(re.search(r'is',s).group()) # search是从整个内容里找,找到就返回第一个,找不到返回None print(re.findall(r'is',s)) #查找所有的字符串 print(re.sub(r'is','is very',s)) #替换字符串 print(re.split('is',s)) #分割字符串
二、数量词
import re
1 print(re.findall(r'be*e','b be beebest is very ok')) # ^ 匹配*前面的一个字符出现0次或多次 2 print(re.findall(r'st+','besttest is best s')) # + 匹配前一个字符1次或多次,只是+前面的一个字符 3 print(re.findall(r'st?','besttest is best s')) # ? 匹配前一个字符0次或1次,只是?前面的一个字符 4 print(re.findall(r't{2}er','besttest is best letter')) # {n} 匹配前一个字符n次 5 print(re.findall(r't{1,3}','besttest is best letterv ttt')) # {n,m} 匹配前一个字符n到m次
三、一般字符
import re
1 print(re.findall(r'b.','besttest is best letter')) # . 默认匹配除 之外的任意一个字符 2 print(re.findall(r'?','bes???ttest is best letter')) # 转译符,前面的* + ?这样的字符都有特殊含义了,如果需要找的话,就得用转译了 3 print(re.findall(r'best|is','besttest is best')) # | 匹配|左或|右的字符 4 print(re.findall(r'e[ras]','besttest is best letter')) #[] 字符集合,摩羯字符的集合,匹配的时候是这个集合里面的任意一个就行 5 print(re.findall(r'e[^ras]','besttest is best letter')) # 在[]里面如果用^ 的话,意思是不包含这些字符串的
四、边界匹配
import re
1 print(re.findall(r'^http://','http://www.baidu.com besttest is good best')) #^ 匹配以什么字符开头,多行情况下匹配每一行的开头 2 print(re.findall(r'^b','besttest is good best',re.M)) #re.M为多行模式 3 print(re.findall(r'jpge$|png|npg$','touxiang.png')) # $ 匹配以什么字符结尾,多行情况下匹配每一行的结尾 4 print(re.findall(r'Ahttp://','http://www.baidu.com http://www.souhu.com',re.M))# A 仅以什么字符开头,和^不同的是它不能用多行模式 5 print(re.findall(r'.jpge|.png|.npg','touxiang.png yi.npg',re.M)) # 仅以什么字符结尾,和$不同的是它不能用多行模式
五、预定义字符集合
import re
1 print(re.findall(r'd','s135434657ehfu243fdsf')) # d 匹配数字0-9 # [A-z]大小写字母 [0-9]数字 2 print(re.findall(r'd+','s135434657ehfu243fdsf')) 3 print(re.findall(r'D','s135434657ehfu243fdsf')) #D 匹配非数字 4 print(re.findall(r'w','s13543465^*7eh$@fu243fds你好f')) # w 匹配所有的字母、数字和中文 5 print(re.findall(r'W','s13543465^*7eh$@fu243fdsf')) # W 匹配不是字母和数字 6 print(re.findall('s','we j r oe hgorhg')) # s 匹配空白字符: 、 、 、空格 7 print(re.findall('S','we j r oe hgorhg')) # S 匹配非空白字符
六、分组匹配
# 分组匹配 #如匹配IP地址 print(re.findall(r'd{1,3}.d{1,3}.d{1,3}.d{1,3}','192.168.160.3')) #分组 print(re.search(r'd{1,3}(.d{1,3}){3}','192.168.160.3').group()) print(re.findall(r'd{1,3}(.d{1,3}){3}','192.168.160.3')) # findall 里面有分组的话,默认结果就只是分组里面的内容,也就是匹配到小括号里面的内容 print(re.findall(r'd{1,3}(?:.d{1,3}){3}','192.168.160.3'))