Python正则表达式入门知识

ゞ浴缸里的玫瑰 2024-03-30 13:05 64阅读 0赞

正则表达式之所以难学，是因为它有大量的符号，每个符号的意义和用法又是不一样的，但是只要掌握了用法，正则表达式也可以很友好。

本文中所有的代码都在python的[re模块][re]下运行。

定义是定义，太正经了就没法用了。我们来举个栗子：假如你得到了一个网页的HTML源码。其中有一段

你想要把这个hello world提取出来，但你这时如果只会python 的[字符串处理][Link 1]，那么第一反应可能是

然后从这个位置向下查找到下一个<h1>出现这样做未尝不可，但是很麻烦不是吗。需要考虑多个标签，一不留神就多匹配到东西了，而如果想要非常准确的匹配到，又得多加循环判断，效率太低。

这时候，正则表达式就是首选的帮手。

首先，从最基础的正则表达式说起。

假设我们的想法是把一个字符串中的所有'python'给匹配到。我们试一试怎么做

看完这段代码，你是不是觉得：卧槽？这就是正则表达式？直接写上去就行？

确实，正则表达式并不像它表面上那么奇葩，如果不是我们故意改变一些符号的含义时，你看到的就是想要匹配的。

所以，先把大脑清空，先认为正则表达式就是和想要匹配的字符串长得一样。在之后的练习中我们会逐步进化

0.无论是python还是正则表达式都是区分大小写的，所以当你在上面那个例子上把'python'换成了'Python'，那就匹配不到你心爱的python了。

1.重新回到第一个例子中那个<h1>hello world<h1>匹配。假如我这么写，会怎么样？

有了入门级的经验，我们知道那两个<h1>就是普普通通的字符，但是中间的是什么鬼？

.字符在正则表达式代表着可以代表任何一个字符（包括它本身）

findall返回的是所有符合要求的元素列表，包括仅有一个元素时，它还是给你返回的列表。

机智如你可能会突然问：那我如果就只是想匹配'.'呢？结果啥都给我返回了咋整？在正则表达式中有一个字符，其实如果你编程经验较多的话，你就会发现这是好多地方的“转义符”。

举个栗子，你真的想匹配'relax149137@gmail.com'这个邮箱（我的邮箱），你可以把正则表达式写成下面这个样子：

发现了吧，我们在.的前面加上了转义符，但是并不是代表匹配“.”的意思，而是只匹配“.”的意思！

不知道你细不细心，有没有发现我们第一次用.时，后面还跟了一个+？那这个加号是干什么的呢？

其实不难想，我们说了“.字符在正则表达式代表着可以代表任何一个字符（包括它本身）”，但是'hello world'可不是一个字符啊。

\+的作用是将前面一个字符或一个子表达式重复一遍或者多遍。

比方说表达式“ab+”那么它能匹配到“abbbbb”，但是不能匹配到'a'，它要求你必须得有个b，多了不限，少了不行。你如果问我有没有那种“有没有都行，有多少都行的表达方式”，回答是有的。

\*跟在其他符号后面表达可以匹配到它0次或多次

比方说我们在王叶内遇到了链接，可能既有http://开头的，又有https://开头的，我们怎么处理？

输出

2.比方说我们有这么一个字符串'cat hat mat qat'，你会发现前面三个是实际的单词，最后那个是我胡编乱造的。如果你本来就知道'at'前面是c、h、m其中之一时这才构成单词，你想把这样的匹配出来。根据已经学到的知识是不是会想到写出来三个正则表达式进行匹配？实际上不需要。因为有一种多字符匹方式

\[\]代表匹配里面的字符中的任意一个

还是举个栗子，我们发现啊，有的程序员比较过分，，在<html></html>这对标签上，大小写混用，老害得我们抓不到想要的东西，我们该怎么应对？是写16\*16种正则表达式挨个匹配？no

输出

我们既然有了范围性的匹配，自然有范围性的排除。

\[^\]代表除了内部包含的字符以外都能匹配

还是cat,hat,mat,qat这个例子，我们想匹配除了qat以外的，那么就应该这么写：

输出

3.介绍到这里，我们可能已经掌握了大致的正则表达式的构造方式，但是我们常常会在实战中遇到一些匹配的不准确的问题。比方说：

输出结果

呦呵！你咋能多了呢？我理想的结果是@hit.，你咋还给我加量了呢？这是因为正则表达式默认是“贪婪”的，我们之前讲过，“+”代表是字符重复一次或多次。但是我们没有细说这个多次到底是多少次。所以它会尽可能“贪婪”地多给我们匹配字符，在这个例子里也就是匹配到最后一个“.”。

我们怎么解决这种问题呢？只要在“+”后面加一个“？”就好了。

输出结果

加了一个“?”我们就将贪婪的“+”改成了懒惰的“+”。这对于\[abc\]+,w\*之类的同样适用。

个人建议：在你使用'+',''的时候，一定先想好到底是用贪婪型还是懒惰型，尤其是当你用到范围较大的项目上时，因为很有可能它就多匹配字符回来给你！！！\*

为了能够准确的控制重复次数，正则表达式还提供

\{a,b\}(代表a<=匹配次数<=b)

还是举个栗子，我们有sas,saas,saaas，我们想要sas和saas，我们怎么处理呢？

输出

如果你省略掉\{1,2\}中的2，那么就代表至少匹配一次，那么就等价于？

如果你省略掉\{1,2\}中的1，那么就代表至多匹配2次。

转自：[微点阅读][Link 2] [https://www.weidianyuedu.com][Link 2]

[re]: https://so.csdn.net/so/search?q=re%E6%A8%A1%E5%9D%97&spm=1001.2101.3001.7020
[Link 1]: https://so.csdn.net/so/search?q=%E5%AD%97%E7%AC%A6%E4%B8%B2%E5%A4%84%E7%90%86&spm=1001.2101.3001.7020
[Link 2]: https://www.weidianyuedu.com/

发表评论取消回复

表情：

评论列表（有 0 条评论，64人围观）

还没有评论，来说两句吧...

相关阅读

相关 Python正则表达式入门知识

正则表达式之所以难学，是因为它有大量的符号，每个符号的意义和用法又是不一样的，但是只要掌握了用法，正则表达式也可以很友好。本文中所有的代码都在python的[re模块][r

ゞ浴缸里的玫瑰/ 2024年03月30日 13:05/ 0 赞/ 65 阅读

相关 python基础知识——正则表达式,

在学习Python的爬虫技术时，抓取到网页之后，需要从网页上复杂的代码中提取出目标字符串，那么怎样从成千上万的复杂代码中提取出自己想要的字符串呢？Python中提供了一种很好的

谁践踏了优雅/ 2023年10月17日 09:15/ 0 赞/ 139 阅读

相关 Python 正则表达式RE知识学习

正则表达式（Regular Expression）是一种强大的文本模式匹配工具，常用于在字符串中查找、替换、分割等操作。在 Python 中，可以使用内置的 `re` 模块来操

￡神魔★判官ぃ/ 2023年10月12日 16:53/ 0 赞/ 41 阅读

相关 Python基础知识补充——正则表达式

一.前言就我目前而了解，爬虫的话很多情况下我们需要通过正则表达式来进行字符的匹配。因此我们还是有需要对正则表达式来进行一次巩固学习的。以下的主要是从另一个作者文章拿过来

ゝ一世哀愁。/ 2023年07月07日 11:28/ 0 赞/ 24 阅读

相关正则表达式入门

本文是根据大神的文章做的笔记，原文[点这里][Link 1] metacharacter(元字符)： \\b : 匹配一个位置（单词的开始或结束）如：\\bhi\\

Bertha 。/ 2022年08月23日 00:59/ 0 赞/ 251 阅读

相关 Python入门（06） -- 正则表达式

1 原子 (1) 普通字符作为原子 import re pattern = "baidu" string = "www.baidu.com"

心已赠人/ 2022年06月03日 07:39/ 0 赞/ 185 阅读

相关 Python入门：正则表达式

正则表达式是对字符串操作的一种逻辑公式，用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑正则表达式

约定不等于承诺〃/ 2022年05月23日 01:48/ 0 赞/ 207 阅读

相关正则表达式入门

在线匹配工具 1. [http://rubular.com][http_rubular.com] 2. [开源中国][Link 1] 正则语法 1.限定词

Myth丶恋晨/ 2022年05月11日 09:46/ 0 赞/ 240 阅读

相关正则表达式入门

原文转载自：[https://www.itcodemonkey.com/article/9834.html][https_www.itcodemonkey.com_articl

àì夳堔傛蜴生んèń/ 2022年05月08日 10:00/ 0 赞/ 232 阅读

相关正则表达式入门

本文旨在用最通俗的语言讲述最枯燥的基本知识 > 文章提纲： > > 1. 元字符 > 2. 重复限定符 > 3. 分组 > 4. 转义 > 5. 条件或 > 6.

怼烎@/ 2021年09月17日 21:22/ 0 赞/ 349 阅读