Python高階丨正規表示式（中）

- 內容

組的概念

貪婪與非貪婪

- 組連續的滿足某個條件的字串，()內的內容構成乙個組。

# 提取文章發布日期

import re
content =
'發布於2020/1/9'
result = re.findall(
'.*?(\d.*\d)'
, content)
# .*表示匹配除換行符外的任意字元，？表示非貪婪匹配
# (\d.*\d)表示乙個組，以數字開頭，以數字結尾
print
(result)
# 返回的結果就是括號內匹配到的結果
# 輸出結果：['2020/1/9']

import re

content =
'發布於2020/1/9'
result = re.findall(
'.*?\d.*\d'
, content)
print
(result)
# ['發布於2020/1/9']
# 因為python缺省會再正規表示式首尾各新增乙個括號
# 等價於result = re.findlaa(('.*?\d.&\d'), content)

# 實現功能：提取發布時間和發布人

import re
content =
'發布於2020/1/9，發布人：派森.'
result = re.findall(
'.*?(\d.*\d).*：(.*)'
, content)
# 兩個括號之間的.*:表示中間是除換行符以外的任意字元，直到遇見:才終止，進入第二個組
print
(result)
# 輸出結果：[('2020/1/9', '派森.')]

語法：

re.match(pattern, string, flags=

0)

pattern：匹配的正規表示式

string：要匹配的字串

flags：標誌位，用於控制正規表示式的匹配方式，如：是否區分大小寫，多行匹配等等

例

# 實現功能：提取發布時間和發布人

import re
content =
'發布於2020/1/9，發布人：派森.'
result = re.match(
'.*?(\d.*\d).*：(.*)'
, content)
# match方法的引數和findall是一樣的，返回的結果是ere_match物件
print
(result.group())
# 該方法預設是result.group(0)
# 輸出結果：發布於2020/1/9，發布人：派森.
# result.group(0)獲取的內容就是最外層的括號匹配的內容
# 相當於('(.*?\d.*\d).*：(.*))')
print
(result.group(1)
)# 輸出結果：2020/1/9
# 獲取的內容是(\d.*\d)匹配到的內容
print
(result.group(2)
)# 輸出結果：派森.
# 獲取的內容是(.*)匹配到的內容
print
(result.groups())
# 輸出結果：('2020/1/9', '派森.')

import re

content =
result = re.match(
'\d'
, content)
print
(result)
# 輸出結果：none
# 如果print(result.group())會報錯
# 原因match方法是從content第乙個字元開始匹配\d，如果未匹配到，直接就返回none，這裡因為content第乙個字元不是數字，所以直接返回none

# 實現功能：提取發布時間，比較貪婪與非貪婪

import re
content =
'發布於2020/01/09'
result = re.findall(
'.*?(\d.*\d)'
, content)
# 這裡的?表示的就是非貪婪模式，第乙個.*會盡可能少地取匹配內容，因為後面跟的是\d，所以碰見第乙個數字就終止了
print
(result)
# 輸出結果：['2020/01/09']

import re

content =
'發布於2020/01/09'
result = re.findall(
'.*(\d.*\d)'
, content)
print
(result)
# 輸出結果：['09']

非貪婪與貪婪模式案例

例1

import re

content =
'發布於2020/01/09'
result = re.findall(
'.*(\d.*?\d)'
, content)
print
(result)
# 輸出結果：['09']

例2

import re

content =
'發布於2020/01/09'
result = re.findall(
'.*?(\d.*?\d)'
, content)
print
(result)
# 輸出結果：['20', '20', '01', '09']

括號裡的.*?也是表示非貪婪模式，括號裡的內容從2020的2開始匹配，因為後面乙個數字是0，那麼也就滿足了(\d.*?\d)，所以就直接返回結果了，同樣的，接下來的20也是這樣，一直匹配到09才結束。

正規表示式高階

或 的小細節 替換匹配 任一側最大的表示式 2.正規表示式和相應編碼 3.正規表示式引擎 舉例簡單說明nfa與dfa工作的區別 比如有字串this is yansen s blog，正規表示式為 ya msen nsen nsem 不要在乎表示式怎麼樣，這裡只是為了說明引擎間的工作區別 nfa工作方...

正規表示式高階

捕獲組就是把正規表示式中子表示式匹配的內容，儲存到記憶體中以數字編號或手動命名的組裡，以供後面引用。表示式 說明 expression 普通捕獲組，將子表示式expression匹配的內容儲存到以數字編號的組裡 expression 命名捕獲組，將子表示式expression匹配的內容儲存到以nam...

Python高階語法 正規表示式

正規表示式在字串匹配中起到巨大的作用。幾個資料提取工具對比 這裡可以看到雖然正規表示式上手比較難，但是它幾乎是最通用速度最快最靈活的字串分析工具。本文只是介紹如何在python中使用正規表示式，如何去寫正規表示式的式子不是一篇部落格說得清的。1.首先如何任何正規表示式使用的基礎都是編譯正規表示式的表...