正则表达式
  • 前面的 *.+.? 等都是贪婪匹配,也就是说尽可能的匹配,后面加?好时其变成惰性匹配
  • 惰性匹配:<.*?>
  • 非贪婪匹配
    • *?重复任意次;但尽可能少重复
    • +? 重复一次或更多次,但尽可能少重复
    • ?? 重复0次或1次,但尽可能少重复
    • {n,m}? 重复n到m次,但尽可能少重复
    • {n,}? 重复n次以上,但仅可能少重复
  • .*?用法
    • . 任意字符
    • * 是取 0 至 无限长度
    • ? 是非贪婪模式
    • 何时一起就是,取尽量少的任意字符,一般不会这么单独写,他大多用在; .*?x, 就是取前面任意长度的字符,直到一个x出现

re 模块

re 方法

  • list findall(re,string)
  • boolean search(re,string)
  • boolean match(re,string)
import re
phone_number = input('please input your phone number : ')
if re.match('^(13|14|15|18)[0-9]{9}#x27;,phone_number):
print('是合法的手机号码')
else:
print('不是合法的手机号码')
print(r'\\n')
print(r'\n')
ret = re.findall('[a-z]+', 'eva egon yuan')
# 返回所有满足匹配条件的结果,放在列表里
print(ret)
ret = re.search('a', 'eva egon yuan')
if ret:
print(ret.group())
# 从前往后,找到一个就返回,返回的变量需要调用group才能拿到结果
# 如果没有找到,那么返回None,调用group会报错
ret = re.match('[a-z]+', 'eva egon yuan')
if ret:
print(ret.group())
# match是从头开始匹配,如果正则规则从头开始可以匹配上,就返回一个变量。
# 匹配的内容需要用group才能显示
# 如果没匹配上,就返回None,调用group会报错
ret = re.split('[ab]', 'abcd')
# 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret) # ['', '', 'cd']
ret = re.sub('\d', 'H', 'eva3egon4yuan4',1)
#将数字替换成'H',参数1表示只替换1个
print(ret) #evaHegon4yuan4
ret = re.subn('\d', 'H', 'eva3egon4yuan4')
# 将数字替换成'H',返回元组(替换的结果,替换了多少次)
print(ret)
obj = re.compile('\d{3}')
#将正则表达式编译成为一个 正则表达式对象,规则要匹配的是3个数字
ret = obj.search('abc123eeee') #正则表达式对象调用search,参数为待匹配的字符串
print(ret.group())
ret = obj.search('abcashgjgsdghkash456eeee3wr2') #正则表达式对象调用search,参数为待匹配的字符串
print(ret.group()) #结果 : 123
ret = re.finditer('\d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器
print(ret) # <callable_iterator object at 0x10195f940>
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的左右结果
for i in ret:
print(i.group())
ret = re.search('^[1-9](\d{14})(\d{2}[0-9x])?#x27;,'110105199912122277')
print(ret.group())
print(ret.group(1))
print(ret.group(2))
ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['www.oldboy.com']
ret=re.split("\d+","eva3egon4yuan")
print(ret) #结果 : ['eva', 'egon', 'yuan']
ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #结果 : ['eva', '3', 'egon', '4', 'yuan']
  • ?P<id> 是给 分组\d+起的名字为id
  • <em .*?>(?P<id>\d+).*?<span class="title">
  • '8-25/3 + 7 /399/42998 +10 568/14' 从一个没有括号的表达式中取 */法 == 正则表达式

转义问题

re.findall(r'\\s', r'\s')