• 正則表達式：一套規(guī)則，可以在字符串文本中進行搜查替換等
• 正則使用步驟：

1.使用 compile 函數(shù)將正則表達式的字符串編譯成一個 pattern 對象

2.通過 pattern 對象的一些方法對文本進行匹配，匹配結(jié)果是一個 match 對象

3.用 match 對象的方法，對結(jié)果進行操作

正則的常用方法：

• match：從開始位置開始查找，一次匹配，即1次匹配成功則退出
• search：從任何位置開始查找，一次匹配
• findall：全部匹配，返回列表
• finditer：全部匹配，返回迭代器
• split：分割字符串，返回列表
• sub：替換

匹配中文

• 中文是Unicode編碼(utf-8也是Unicode編碼)，范圍：主要在[u4e00-u9fa5]
• 中文全角逗號一類的不在[u4e00-u9fa5]范圍內(nèi)

貪婪與非貪婪模式

• 貪婪模式：在整個表達式匹配成功的前提下，盡可能多的匹配
• 非貪婪模式：在整個表達式匹配成功的前提下，盡可能少的匹配
• python里面數(shù)量詞默認是貪婪模式

例如：

• 查找文本abbbbbbbccc
• re結(jié)果是： ab*
• 貪婪模式結(jié)果是：abbbbbbb
• 非貪婪模式結(jié)果是：a

案例v23

# 正則結(jié)果match的使用案例 import re# 以下正則分成2個組，以小括號為單位 # [a-z]表示出現(xiàn)小寫a-z任意字母都可以，+表示至少出現(xiàn)1次 # 兩組之間有一個空格，表示匹配的兩個英文字符之間有空格 s = r"([a-z]+) ([a-z]+)"# 編譯 pattern = re.compile(s, re.I) # s, I表示忽略大小寫m = pattern.match("Hello world wide web")# group(0) 表示返回整個匹配成功的字符串，即所有小組 s = m.group(0) print("所有小組的匹配結(jié)果：n", s)# 返回匹配成功的整個字符串的跨度，即所有小組 a = m.span(0) print("所有小組的匹配結(jié)果跨度：n", a)# group(0) 表示返回的第一個分組匹配成功的字符串 s = m.group(1) print("第1小組的匹配結(jié)果：n", s)# 返回匹配成功的整個字符串的跨度 a = m.span(1) print("第1小組的匹配結(jié)果跨度：n", s)# groups() 打印出所有的小組，等價于m.group(1), m.group(2)... s = m.groups() print(s)

運行結(jié)果

從結(jié)果可以看到：匹配到兩個小組，一個Hello，一個world，中間的空格是外面的，代碼中包含一些具體的輸出格式

案例v24

# search的基本使用import res = r'd+'pattern = re.compile(s)# 無參數(shù)表示從頭開始查找，到最后結(jié)束 m = pattern.search("one12two34three56") print(m.group(0))# 參數(shù)表明搜查的范圍，例如：10-40 m = pattern.search("one12two34three56", 10, 40) print(m.group(0))

運行結(jié)果

因為是從第10個開始查找，所以查到的是56

案例v25

# findall，finditer的基本使用 import res = r'd+'pattern = re.compile(s)m = pattern.findall("I am 18 years old, and 185 high") print(m)n = pattern.finditer("I am 18 years old, and 185 high") print(type(n))# 迭代器使用for循環(huán)輸出 for i in n:# 只輸出i會包含無用數(shù)據(jù)print(i.group())

運行結(jié)果

查找所有匹配的字符串

匹配中文

代碼

import rehello = u'你好，再見陌生人'# 中文全角逗號一類的不在[u4e00-u9fa5]范圍內(nèi) pattern = re.compile(r'[u4e00-u9fa5]+')m = pattern.findall(hello)print(m)

運行結(jié)果

因為中文全角逗號一類的不在[u4e00-u9fa5]范圍內(nèi)，所在 findall 返回的是一個列表，包含兩個值

原文：

https://blog.csdn.net/qq_40147863/article/details/82181151?blog.csdn.net

總結(jié)

以上是生活随笔為你收集整理的正则 不能有中文逗号_Python爬虫教程-19-数据提取-正则表达式(re)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。