正则表达式

python / 爬虫
字数统计: 1.1k   |   阅读时长≈ 5 分钟

正则表达式

一、re.findall函数介绍

它在re.py中有定义：

1
2
3
4
5
6
7
8
9
10
def findall(pattern, string, flags=0):
    """Return a list of all non-overlapping matches in the string.

    If one or more capturing groups are present in the pattern, return
    a list of groups; this will be a list of tuples if the pattern
    has more than one group.

    Empty matches are included in the result."""

    return _compile(pattern, flags).findall(string)

返回string中所有与pattern匹配的全部字符串,返回形式为数组。

findall()函数的两种表示形式

1
2
3
4
5
6
7
8
9
import re
kk = re.compile(r'\d+')
kk.findall('one1two2three3four4')
#[1,2,3,4]
 
#注意此处findall()的用法，可传两个参数;
kk = re.compile(r'\d+')
re.findall(kk,"one123")
#[1,2,3]

二、实例代码
后面会讲解代码里的各个部分，先列出来~

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import re
 
str = 'aabbabaabbaa'

# 一个"."就是匹配除 \n (换行符)以外的任意一个字符
print(re.findall(r'a.b',str))#['aab', 'aab']

# *前面的字符出现0次或以上
print(re.findall(r'a*b',str))#['aab', 'b', 'ab', 'aab', 'b']

# 贪婪，匹配从.*前面为开始到后面为结束的所有内容
print(re.findall(r'a.*b',str))#['aabbabaabb']

# 非贪婪，遇到开始和结束就进行截取，因此截取多次符合的结果，中间没有字符也会被截取
print(re.findall(r'a.*?b',str))#['aab', 'ab', 'aab']

# 非贪婪，与上面一样，只是与上面的相比多了一个括号，只保留括号的内容
print(re.findall(r'a(.*?)b',str))#['a', '', 'a']
 
str = '''aabbab
         aabbaa
         bb'''     #后面多加了2个b

# 没有把最后一个换行的aab算进来
print(re.findall(r'a.*?b',str))#['aab', 'ab', 'aab']

# re.S不会对\n进行中断

print(re.findall(r'a.*?b',str,re.S))#['aab', 'ab', 'aab', 'aa\n         b']

三、re.findall中正则表达式(.*?)

字符串是

1
str = 'aabbabaabbaa'
  1. 符号 . 就 是匹配除 \n (换行符)以外的任意一个字符
    1
    2
    print(re.findall(r'a.b',str))
    #['aab', 'aab']
    2.符号 * 前面的字符出现0次或以上
    1
    2
    print(re.findall(r'a*b',str))
    #['aab', 'b', 'ab', 'aab', 'b']
    3.符号.* 贪婪，匹配从.*前面为开始到后面为结束的所有内容
    1
    2
    print(re.findall(r'a.*b',str))
    #['aabbabaabb']
    4.符号.*? 非贪婪，遇到开始和结束就进行截取，因此截取多次符合的结果，中间没有字符也会被截取
    1
    2
    print(re.findall(r'a.*?b',str))
    #['aab', 'ab', 'aab']
    5.符号(.*?) 非贪婪，与上面一样，只是与上面的相比多了一个括号，只保留括号的内容
    1
    2
    print(re.findall(r'a(.*?)b',str))
    #['a', '', 'a']
    关于带括号与不带括号的区别
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    import re

    string="abcdefg  acbdgef  abcdgfe  cadbgfe"

    #不带括号
    regex=re.compile("((\w+)\s+\w+)")
    print(regex.findall(string))
    #输出：[('abcdefg  acbdgef', 'abcdefg'), ('abcdgfe  cadbgfe', 'abcdgfe')]

    regex1=re.compile("(\w+)\s+\w+")
    print(regex1.findall(string))
    #输出：['abcdefg', 'abcdgfe']

    regex2=re.compile("\w+\s+\w+")
    print(regex2.findall(string))
    #输出：['abcdefg  acbdgef', 'abcdgfe  cadbgfe']
  • 第一个 regex 中带有2个括号，其输出list 中包含2个 tuple
  • 第二个 regex 中带有1个括号，其输出内容是括号匹配到的内容，而不是整个表达式所匹配到的结果。
  • 第三个 regex 中不带括号,其输出的内容就是整个表达式所匹配到的内容。
  • 实际上这并不是python特有的，这是正则所特有的 ， 任何一门高级语言使用正则都满足这个特点：有括号时只能匹配到括号中的内容，没有括号【相当于在最外层增加了一个括号】。在正则里面 “()” 代表的是分组的意思，一个括号代表一个分组，你只能匹配到 “()” 中的内容。

四、re.findall中参数re.S的意义

1.字符串变为（后面多加了2个b）

1
2
3
str = '''aabbab
         aabbaa
         bb'''

2.参数无re.S，没有把最后一个换行的aab算进来

1
2
print(re.findall(r'a.*?b',str))
#['aab', 'ab', 'aab']

3.参数有re.S，不会对\n进行中断

1
2
print(re.findall(r'a.*?b',str,re.S))
#['aab', 'ab', 'aab', 'aa\n         b']
-->

请我喝杯咖啡吧~

支付宝
微信