正则表达式的使用
re.match(pattern,string,flags=0)
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
参数介绍：
pattern:正则表达式
string：匹配的目标字符串
flags：匹配模式
正则表达式的匹配模式：
最常规的匹配
|
1
2
3
4
5
6
7
|
import recontent ='hello 123456 world_this is a regex demo'print(len(content))result = re.match('^hello\s\d{6}\s\w{10}.*demo$$',content)print(result)print(result.group()) #返回匹配结果print(result.span()) #返回匹配结果的范围 |
结果运行如下：
39
<_sre.sre_match object; span=(0, 39), match='hello 123456 world_this is a regex demo'>
hello 123456 world_this is a regex demo
(0, 39)
泛匹配
使用（.*）匹配更多内容
|
1
2
3
4
5
|
import recontent ='hello 123456 world_this is a regex demo'result = re.match('^hello.*demo$',content)print(result)print(result.group()) |
结果运行如下：
<_sre.sre_match object; span=(0, 39), match='hello 123456 world_this is a regex demo'>
hello 123456 world_this is a regex demo
匹配目标
在正则表达式中使用（）将要获取的内容括起来
使用group(1)获取第一处，group(2)获取第二处，如此可以提取我们想要获取的内容
|
1
2
3
4
5
|
import recontent ='hello 123456 world_this is a regex demo'result = re.match('^hello\s(\d{6})\s.*demo$',content)print(result)print(result.group(1))#获取匹配目标 |
结果运行如下：
<_sre.sre_match object; span=(0, 39), match='hello 123456 world_this is a regex demo'>
123456
贪婪匹配
|
1
2
3
4
5
|
import recontent ='hello 123456 world_this is a regex demo'result = re.match('^he.*(\d+).*demo$',content)print(result)print(result.group(1)) |
注意：.*会尽可能的多匹配字符
非贪婪匹配
|
1
2
3
4
5
|
import recontent ='hello 123456 world_this is a regex demo'result = re.match('^he.*?(\d+).*demo$',content)print(result)print(result.group(1)) |
注意：.*?会尽可能匹配少的字符
使用匹配模式
在解析html代码时会有换行，这时我们就要使用re.s
|
1
2
3
4
5
6
|
import recontent ='hello 123456 world_this ' \'is a regex demo'result = re.match('^he.*?(\d+).*?demo$',content,re.s)print(result)print(result.group(1)) |
运行结果如下：
<_sre.sre_match object; span=(0, 39), match='hello 123456 world_this is a regex demo'>
123456
转义
在解析过程中遇到特殊字符，就需要做转义，比如下面的$符号。
|
1
2
3
4
|
import recontent = 'price is $5.00'result = re.match('^price.*\$5\.00',content)print(result.group()) |
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，有换行就用re.s
|
1
|
re.search(pattern,string,flags=0) |
re.search扫描整个字符串并返回第一个成功的匹配。
比如我想要提取字符串中的123456，使用match方法无法提取，只能使用search方法。
|
1
2
3
4
5
6
7
8
9
|
import recontent ='hello 123456 world_this is a regex demo'result = re.match('\d{6}',content)print(result)import recontent ='hello 123456 world_this is a regex demo'result = re.search('\d{6}',content)print(result)print(result.group()) |
运行结果如下：
<_sre.sre_match object; span=(6, 12), match='123456'>
匹配演练
可以匹配代码里结构相同的部分，这样可以返回你需要的内容
|
1
2
3
4
5
6
|
import recontent = '<a python" id="highlighter_960028">
|
