在线正则表达式匹配：

正则表达式学习：

一、什么是正则表达式？

常见匹配模式

模式	描述
\w	匹配字母数字及下划线
\W	匹配非字母数字下划线
\s	匹配任意空白字符，等价于[\t\n\r\f]
\S	匹配任意非空字符
\d	匹配任意数字，等价于[0-9]
\D	匹配任意非数字
\A	匹配字符串开始
\Z	匹配字符串结束，如果时存在换行，之匹配到换行前的结束字符串
\z	匹配字符串结束
\G	匹配最后匹配完成的位置
\n	匹配一个换行符
\t	匹配一个制表符
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTTALL标记被指定时，则可以匹配包括换行符的任意字符
[...]	用来表示一组字符，单独列出：[amk]匹配'a','m'或'k'
[^...]	不再[]中的字符，单独列出：[^abc]匹配除了a,b,c之外的字符
*	匹配0个或多个的表达式
+	匹配1个或多个的表达式
?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪模式
(n)	精确匹配n个前面表达式
(n,m)	匹配n到m次由前面的正则表达式定义的片段，贪婪方式
a|b	匹配a或b
()	匹配括号内的表达式，也表示一个组

re.match

 re.match尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none.

re.match(pattern,string,flags=0)

　　最常规的匹配

import recontent = 'Hello 123 4567 World_This is a Regex Demo'print(len(content))result = re.match('^Hello\s\d{3}\s\d{4}\s\w{10}.*Demo$',content)print(result)print(result.group())print(result.span())

　　泛匹配

import recontent = 'Hello 123 4567 World_This is a Regex Demo'result = re.match('^Hello.*Demo$',content)print(result)print(result.group())print(result.span())

　　匹配目标

import recontent = 'Hello 1234567 World_This is a Regex Demo'result = re.match('^Hello\s(\d+)\sWorld.*Demo$',content)print(result)print(result.group(1))print(result.span())

　　贪婪匹配

import recontent = 'Hello 1234567 World_This is a Regex Demo'result = re.match('^He.*(\d+).*Demo$',content)print(result)print(result.group(1))print(result.span())

　　非贪婪匹配

import recontent = 'Hello 1234567 World_This is a Regex Demo'result = re.match('^He.*?(\d+).*Demo$',content)print(result)print(result.group(1))print(result.span())

　　匹配模式

import recontent = '''Hello 1234567 World_This is a Regex Demo'''result = re.match('^He.*?(\d+).*?Demo$',content,re.S)# .不能匹配换行符，re.S来支持匹配换行符print(result)print(result.group(1))

　　转义

import recontent = 'price is $5.00'result = re.match('price is \$5\.00',content)print(result)

　　总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、有换行符就用re.S　　

　　re.search

　　re.search 扫描整个字符串并返回第一个成功的匹配

import recontent = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'result = re.match('Hello.*?(\d+).*?Demo',content)print(result)

 

import recontent = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'result = re.search('Hello.*?(\d+).*?Demo',content)print(result)

　　总结：为了匹配方便，能用search就不用match

匹配练习

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''result = re.search('
     
      (.*?)',html,re.S)if result:    print(result.group(1),result.group(2))else:    print("ok")
     

　　

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''result = re.search('
     
      (.*?)',html,re.S)if result:    print(result.group(1),result.group(2))else:    print("ok")
     

　　

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''result = re.search('
     
      (.*?)',html)if result:    print(result.group(1),result.group(2))else:    print("ok")
     

　　

re.findall

搜索字符串，一列表形式返回全部能匹配的字串

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''results = re.findall('
     
      (.*?)',html,re.S)print(results)print(type(results))for result in results:    print(result)    print(result[0],result[1],result[2])
     

　　

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''results = re.findall('
     
      \s*?(
      
       )?(\w+)(?\s*?
      
     

　　

re.sub

替换字符串中每一个匹配的子串后返回替换后的字符串

import recontent = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('\d+','',content)print(content)

　　

import recontent = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('\d+','Reldjaidja',content) # 将\d+所在位置替换成Reldjaidjaprint(content)

　　

import recontent = 'Extra strings Hello 1234567 World_This is a Regex Demo Extra strings'content = re.sub('(\d+)',r'\1 8910',content) # \1是将第一个括号里的内容作了替换print(content)

　　

import rehtml = '''
     
    
      
金典老歌
    
      
金典老歌列表
    
      
        
       
一路有你
        
       
            沧海一声笑        
        
       
            往事随风        
        
       
光辉岁月
        
       
记事本
        
       
            但愿人长久        
    
      
     
'''html = re.sub('
     
      |','',html)print(html)results = re.findall('
      
       (.*?)',html,re.S)print(results)for result in results:    print(result.strip())
      
     

　　

re.compile

将正则字符串编译成正则表达式对象：

　　将一个正则表达式串编译成正则对象，以便于复用该匹配模式

import recontent = '''Hello 1234567 World_Tisis a Regex Demo'''# 第一种pattern = re.compile('Hello.*Demo',re.S)result = re.match(pattern,content)print(result)#第二种result = re.match('Hello.*Demo',content,re.S)print(result)

　　

练习：爬去豆瓣图书的图书信息

　　

import requestsimport recontent = requests.get('https://book.douban.com').textpattern = re.compile('
     
      .*?"author">(.*?).*?"year">(.*?).*?"publisher">(.*?).*?',re.S)print(pattern)results = re.findall(pattern,content)print(results)for ret in results:url,title,author,date,publisher = retauthor = re.sub('\s','',author)date=re.sub('\s','',date)publisher=re.sub('\s','',publisher)print(url,title,author,date,publisher)