正则表达式是一个很强大的字符串处理工具,几乎任何关于字符串的操作都可以使用正则表达式来完成,作为一个爬虫工作者,每天和字符串打交道,正则表达式更是不可或缺的技能,正则表达式的在不同的语言中使用方式可能不一样,不过只要学会了任意一门语言的正则表达式用法,其他语言中大部分也只是换了个函数的名称而已,本质都是一样的。下面,我来介绍一下python中的正则表达式是怎么使用的。
首先,python中的正则表达式大致分为以下几部分:
-
-
元字符
-
模式
-
函数
-
re 内置对象用法
-
分组用法
-
环视用法
所有关于正则表达式的操作都使用 python 标准库中的 re 模块。
一、元字符 (参见 python 模块 re 文档)
-
-
. 匹配任意字符(不包括换行符)
-
^ 匹配开始位置,多行模式下匹配每一行的开始
-
$ 匹配结束位置,多行模式下匹配每一行的结束
-
* 匹配前一个元字符0到多次
-
+ 匹配前一个元字符1到多次
-
? 匹配前一个元字符0到1次
-
{m,n} 匹配前一个元字符m到n次
-
\\ 转义字符,跟在其后的字符将失去作为特殊元字符的含义,例如\\.只能匹配.,不能再匹配任意字符
-
[] 字符集,一个字符的集合,可匹配其中任意一个字符
-
| 逻辑表达式 或 ,比如 a|b 代表可匹配 a 或者 b
-
(...) 分组,默认为捕获,即被分组的内容可以被单独取出,默认每个分组有个索引,从 1 开始,按照"("的顺序决定索引值
-
(?iLmsux) 分组中可以设置模式,iLmsux之中的每个字符代表一个模式,用法参见 模式 I
-
(?:...) 分组的不捕获模式,计算索引时会跳过这个分组
-
(?P...) 分组的命名模式,取此分组中的内容时可以使用索引也可以使用name
-
(?P=name) 分组的引用模式,可在同一个正则表达式用引用前面命名过的正则
-
(?#...) 注释,不影响正则表达式其它部分,用法参见 模式 I
-
(?=...) 顺序肯定环视,表示所在位置右侧能够匹配括号内正则
-
(?!...) 顺序否定环视,表示所在位置右侧不能匹配括号内正则
-
(?<=...) 逆序肯定环视,表示所在位置左侧能够匹配括号内正则
-
(?
-
(?(id/name)yes|no) 若前面指定id或name的分区匹配成功则执行yes处的正则,否则执行no处的正则
-
\number 匹配和前面索引为number的分组捕获到的内容一样的字符串
-
\A 匹配字符串开始位置,忽略多行模式
-
\Z 匹配字符串结束位置,忽略多行模式
-
\b 匹配位于单词开始或结束位置的空字符串
-
\B 匹配不位于单词开始或结束位置的空字符串
-
\d 匹配一个数字, 相当于 [0-9]
-
\D 匹配非数字,相当于 [^0-9]
-
\s 匹配任意空白字符, 相当于 [ \t\n\r\f\v]
-
\S 匹配非空白字符,相当于 [^ \t\n\r\f\v]
-
\w 匹配数字、字母、下划线中任意一个字符, 相当于 [a-zA-Z0-9_]
-
\W 匹配非数字、字母、下划线中的任意字符,相当于 [^a-zA-Z0-9_
阅读(917) | 评论(0) | 转发(0) |