其他分享
首页 > 其他分享> > 正则表达式常用

正则表达式常用

作者:互联网

import re
#---------------------------正则表达式,用于爬取出来的文本进行再次筛选 url  还有其他数据的筛选 # . (任意字符) # ^ (以前面字符开头) # $ (以前面字符结尾) # ? (非贪婪匹配模式,自左向右,默认贪婪匹配模式,自右往左,最大长度匹配) # 特殊字符 +   出现至少一次 # *    代表多个字符,可以是0 # {2}  限定字符出现次数,2次 # {2,5}  出现2-5次之间   # |     “或”的关系 # ()     提取字符串里的值,用group(1)” # []     满足中括号内任意字符的一个 # 区间[0-9] 0到9之间任意出现一个字符、 # 不等于1 [^1] \s 为空格   \S非空格 \w :大小写字、数字以及下划线,相当于:[A-Za-z0-9_] \W 非\w,[^A-Za-z0-9_]       # {2,}2次以上 # [\u4E00-\u9FA5]:表示中文汉字; # \d表示数字,等价于:[0-9]
#---------------------------------- # 自右向左 # 测试  1 .*(b.b).*.      2 .*(b.+*b).* # line = "boooobaaaooobcbaaby123" # regex_str = ".*(b.+b).*" # match_obj = re.match(regex_str, line) # if match_obj: #     # group(1) 提取第一个括号的内容   如果是括号里面的括号,就是group(2) #     print(match_obj.group(1))

#---------------------------------- # 第一个字符满足[abcd]里的任意一个 # line = "coobby123" # regex_str = "([abcd]oobby123)" # match_obj = re.match(regex_str, line) # if match_obj: #     print (match_obj.group(1))
#------------------------------- # \u4e00-\u9fa5是用来判断是不是中文 #如果不加问号, .*就会一直贪婪,只给 ([\u4E00-\u9FA5]+大学) 一个,即使有 + 号,显示:京大学 #如果 .* 变成  .*?  就不会这样,会显示南京大学 # 或者不加? ,把+ 改成 {2},限定2个也可以 # line = 'study in南京大学' # regex_str=".*([\u4E00-\u9FA5]+大学)" # match_obj = re.match(regex_str, line) # if match_obj: #     print (match_obj.group(1))
#------------------------------ 一个表达式匹配出以下所有的line的年月日 # line="XXX出生于2001年6月" # # line="XXX出生于2001/6/1" # # line="XXX出生于2001-6-1" # # line="XXX出生于2001-06-01" # # line="XXX出生于2001-06" # # | 写了3个 # regex_str=".*出生于(\d{4}[年/-]\d{1,2}([月/-]\d{1,2}|[月/-]$|$))" # match_obj = re.match(regex_str, line) # if match_obj: #     print (match_obj.group(1))

标签:regex,常用,obj,正则表达式,str,group,line,match
来源: https://www.cnblogs.com/Kevin0is0me/p/16699052.html