Python学习(19)--正则表达式4

2018-03-21 682

Python学习(19)--正则表达式4

这一节我们来介绍下Python中re模块为我们提供的一些属性。使用这些属性为正则匹配添加条件,可以有效的避免正则表达式复杂化。例如,在匹配时指定属性re.I,可以使模式子串的匹配不区分大小写.但是如果只使用正则表达式实现模式子串的匹配不区分大小写,这时,正则表达式的书写就会相对复杂。下面我们来一一介绍这些属性。

(1)属性re.S

上一节我们介绍了通配符"."可以表示任意字符,其实严格的说通配符"."可以匹配除换行符"\n"的任意字符.如下:

[python] view plain copy

import re
r1=r"hello.world"
print(re.findall(r1,"hello\nworld"))

打印结果如下:

可以看到返回的是空字符串,这说明r1="hello.world"中的通配符"."并不能匹配换行符"\n"。如果想让通配符"."能够匹配换行符"\n",就需要指定属性re.S。如下:

[python] view plain copy

import re
r1=r"hello.world"
print(re.findall(r1,"hello\nworld",re.S))

在调用re模块中的方法findall(pattern,string,flag)时,指定属性flag=re.S,就可以实现通配符"."匹配包括换行符"\n"的任意字符。打印结果如下:

(2)属性re.I

调用findall(pattern,string,flag)指定属性flag=re.I的作用就是,对正则表达式中的模式子串匹配时不区分大小写。例如r"hello",可以匹配到的模式子串有诸如"Hello","hello","hellO"等等。代码例子如下:

[python] view plain copy

import re
r=r"hello"
print(re.findall(r,"HELLO",re.I))
print(re.findall(r,"Hello",re.I))
print(re.findall(r,"hello",re.I))

如上,在对模式子串"hello"匹配时指定属性re.I,在主串中对其匹配时是不区分大小写的。代码打印结果如下:

(3)属性re.M

re.M适用于对多行字符串进行匹配,每一行都当做一个主串来匹配。先看下面这个例子:

[python] view plain copy

import re
r1=r"^hello"
s="""
hello world
world hello
hello myGF
myGF hello
"""
print(re.findall(r1,s))

如上,正则表达式r1匹配主串s是否以"hello"开头,若是则返回"hello",否则返回空字符。打印结果如下:

代码中s明明是以"hello"开头的字符串,那么返回的为什么却是空字符呢?在命令行中打印字符串s,可以看到s的字符串实质上如下:

我们在使用""" """时来书写字符串时,虽然看起来简洁了许多,但无意间也增加了额外的换行符"\n",可以看到s='\nhello world\nworld hello\nhello myGF\nmyGF hello\n',s是以换行符开头的字符串,所以使用正则表达式r"^hello"在主串s中匹配时返回为空字符。

解决这一问题的方法,就是在匹配模式子串时指定flag=re.M。这样一来在匹配时就会一行一行的进行匹配,每一行都会匹配一次。如下代码:

[python] view plain copy

import re
r1="^hello"
s="""
hello world
world hello
hello myGF
myGF hello
"""
print(re.findall(r1,s,re.M))

代码打印结果如下:

可以看到,在指定属性re.M后,对s中的每行字符串都匹配是否以"hello"开头,得到的结果如上。

(4)分组()

在正则表达式中,使用的是()来表示一个分组,那么什么是分组呢?其实分组在正则表达式中就像是划分块,把一个正则表达式划分几个小块,以达到我们匹配的目的。如下,是一个分组的例子:

[python] view plain copy

import re
r1="\w{3}@\w+(\.com|\.cn)"
print(re.match(r1,"asd@asd.com"))
print(re.match(r1,"asd@asd.cn"))
print(re.match(r1,"asd@asd.org"))

如上r1是一个对邮箱字符串匹配的正则表达式,r1="\w{3}@\w+(\.com|\.cn)",\w表示匹配一个数字或者字母字符,r1匹配的是一个3位字符(数字或字母)开始,中间为字符"@",后接若干字符(数字或者字母),最后以".com"或者".cn"结尾的邮箱字符串。形如,"123@zhangsan.com"。打印结果如下:

当一个正则表达式中含有分组时,使用findall(pattern,string)方法返回的是分组中的正则表达式匹配到的子串,利用这个特性,我们可以通过分组来获取我们想要得到的数据。

如下代码:

[python] view plain copy

import re
s="""
name=zhangsan
name=lisi
name=wangwu
asd-hihihj
zxc4asd
"""
r1=r"name=.+"
print(re.findall(r1,s))

如上,正则表达式r1=r"name=.+",r1匹配到的子串为字符串"name="开始,".+"表示后接若干字符,是形如"name=zhangsan"这样的子串。代码打印结果如下:

而当我们需要获取是"zhangsan"这样的名字字符串数据时,使用分组将我们需要的数据括起来,调用re模块的findall(pattern,string)方法,返回的就是分组中的正则匹配到的子串。代码如下:

[python] view plain copy

import re
s="""
name=zhangsan
name=lisi
name=wangwu
asd-hihihj
zxc4asd
"""
r1=r"name=(.+)"
print(re.findall(r1,s))

代码打印结果如下:

如上,r1=r"name=(.+)",将需要获取的数据使用()括起来。通过打印结果可以看到,使用r1="name=(.+)"进行匹配时,再调用findall(pattern,string)返回的并不是正则表达式r1所匹配到的子串,而是分组中的正则匹配到的子串。

介绍了这么多节正则表达式,下一节我们使用正则表达式来做一个爬虫的小项目,敬请期待。

原文地址http://www.bieryun.com/2359.html

微信关注我们

原文链接：https://yq.aliyun.com/articles/560491

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

python学习(18)--正则表达式3

python学习(18)--正则表达式3 这一节我们来介绍下正则表达式中的常用函数,Python中的re模块为我们提供了很多有关正则表达式操作的函数.如函数sub(),subn(),splite(),finditer(),match(),search()等等,熟练的使用这些函数,不仅可以提高正则表达式的匹配效率,还可以让代码变得简洁可读。下面我们就来一一介绍这些函数的使用。 (1)compile(pattern)函数 Python中re模块为我们提供了compile(pattern)函数,参数pattern是一个正则表达式,调用函数compile(pattern)对正则表达式进行编译后得到一个正则对象,使用正则对象匹配模式子串时可以大大提高匹配的效率。当我们需要频繁的匹配一个字符串时,可以使用compile(pattern)函数,代码例子如下: [python] view plain copy importre reobject=re.compile(r"hello") print(reobject.findall("helloworld")) 如上调用re模块的compile(pa...

2018-03-22

680

Python学习(20)--爬虫在前几节我们一直在介绍正则表达式,今天我们就使用正则表达式写一个爬虫的小程序。首先什么是爬虫呢?爬虫就是按照一定的规则,自动地获取网络上的信息。下面我们将介绍一个通过爬虫获取网络图片的例子。其中,我们利用正则表达式匹配图片的网络地址,正则表达式其实就是我们爬虫用到的规则,主要有3个步骤去完成这个爬虫的小例子: 1.获取网页的源代码; 2.在网页源代码中匹配正则表达式,得到图片的网络地址; 3.通过网络地址下载图片。 (1)获取网页的源代码当我们通过浏览器浏览网页时,都可以通过鼠标右击"查看源代码",来获取网页的源代码。如下是一个百度贴吧的网页以及网页的源代码截图: 其实爬虫和浏览器请求的原理是一样的,都是通过post或者get请求向服务器请求数据,服务器返回的都是网页源代码,只不过浏览器再一次将网页源代码"加工"成了网页界面。下面是获取百度贴吧一个网页(url="https://tieba.baidu.com/p/5193551629?red_tag=1816480244")源代码的例子: [python] view plain copy impo...

2018-03-22

655

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。