python正则表达式详解(python正则表达式re模块的高级用法)
python正则表达式详解(python正则表达式re模块的高级用法)#coding=utf-8 import re def add(temp): strNum = temp.group() num = int(strNum) 1 return str(num) ret = re.sub(r"\d " add "python = 997") print(ret) ret = re.sub(r"\d " add "python = 99") print(ret) 运行结果:python = 998 方法2:['9999' '7890' '12345'] sub 将匹配到的数据进行替换需求:将匹配到的阅读次数加1方法1:#coding=utf-8 import re ret = re.sub(r"\d " '998' "python = 997") print(ret) 运行结果:
re模块的高级用法search需求:匹配出文章阅读的次数
#coding=utf-8 import re ret = re.search(r"\d " "阅读次数为 9999") ret.group()
运行结果
'9999' findall
需求:统计出Python、c、c 相应文章阅读的次数
#coding=utf-8 import re ret = re.findall(r"\d " "python = 9999 c = 7890 c = 12345") print(ret)
运行结果:
['9999' '7890' '12345'] sub 将匹配到的数据进行替换
需求:将匹配到的阅读次数加1
方法1:
#coding=utf-8 import re ret = re.sub(r"\d " '998' "python = 997") print(ret)
运行结果:
python = 998
方法2:
#coding=utf-8 import re def add(temp): strNum = temp.group() num = int(strNum) 1 return str(num) ret = re.sub(r"\d " add "python = 997") print(ret) ret = re.sub(r"\d " add "python = 99") print(ret)
运行结果:
python = 998 python = 100
练习
从下面的字符串中取出文本
<div> <p>岗位职责:</p> <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p> <p><br></p> <p>必备要求:</p> <p>良好的自我驱动力和职业素养,工作积极主动、结果导向</p> <p> <br></p> <p>技术要求:</p> <p>1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式</p> <p>2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架</p> <p>3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种<br></p> <p>4、掌握NoSQL、MQ,熟练使用对应技术解决方案</p> <p>5、熟悉 Javascript/CSS/HTML5,JQuery、React、Vue.js</p> <p> <br></p> <p>加分项:</p> <p>大数据,数理统计,机器学习,sklearn,高性能,大并发。</p> </div>
参考答案:
re.sub(r"<[^>]*>| |\n" "" test_str)
split 根据匹配进行切割字符串,并返回一个列表
需求:切割字符串“info:xiaoZhang 33 shandong”
#coding=utf-8 import re ret = re.split(r":| " "info:xiaoZhang 33 shandong") print(ret)
运行结果:
['info' 'xiaoZhang' '33' 'shandong'] python贪婪和非贪婪
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在"*" "?" " " "{m n}"后面加上?,使贪婪变成非贪婪。
>>> s="This is a number 234-235-22-423" >>> r=re.match(". (\d -\d -\d -\d )" s) >>> r.group(1) '4-235-22-423' >>> r=re.match(". ?(\d -\d -\d -\d )" s) >>> r.group(1) '234-235-22-423' >>>
正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“. ”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“\d ”只需一位字符就可以匹配,所以它匹配了数字“4”,而“. ”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式:非贪婪操作符“?”,这个操作符可以用在"*" " " "?"的后面,要求正则匹配的越少越好。
>>> re.match(r"aa(\d )" "aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d ?)" "aa2343ddd").group(1) '2' >>> re.match(r"aa(\d )ddd" "aa2343ddd").group(1) '2343' >>> re.match(r"aa(\d ?)ddd" "aa2343ddd").group(1) '2343' >>>
练一练
字符串为:
<img data-original="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://img.aigexing.comhttps://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">
请提取url地址
参考答案
re.search(r"https://.*?\.jpg" test_str) r的作用
>>> mm = "c:\\a\\b\\c" >>> mm 'c:\\a\\b\\c' >>> print(mm) c:\a\b\c >>> re.match("c:\\\\" mm).group() 'c:\\' >>> ret = re.match("c:\\\\" mm).group() >>> print(ret) c:\ >>> ret = re.match("c:\\\\a" mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\\a" mm).group() >>> print(ret) c:\a >>> ret = re.match(r"c:\a" mm).group() Traceback (most recent call last): File "<stdin>" line 1 in <module> AttributeError: 'NoneType' object has no attribute 'group' >>>
说明
Python中字符串前面加上 r 表示原生字符串,
与大多数编程语言相同,正则表达式里使用"“作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题,有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。
>>> ret = re.match(r"c:\\a" mm).group() >>> print(ret) c:\a