1. re 正则表达式

  • re.search(pattern, string) 扫描整个字符串并返回第一个成功的匹配

  • re.match(pattern, string) match 只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回 None 而 re.search 匹配整个字符串，直到找到一个匹配。

  • 匹配对象.groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号

  • 匹配对象.group(n) 匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。

  • re.sub(patten,repl,string,count=0) re.sub用于替换字符串中的匹配项

    • repl : 替换的字符串，也可为一个函数。

    • count : 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配。

      1. #将不以A-Za-z1-9' 的替换成 空格
      2. re.sub('[^A-Za-z1-9\']',' ',rep.text)
  1. import re
  2. html ="4月5日0-24时，四川无新增新型冠状病毒肺炎确诊病例，新增治愈出院病例1例，无新增疑似病例，无新增死亡病例。"
  3. c="新增治愈出院病例(\d+)例"
  4. # \d匹配0-9任意数字    .* 匹配最多任意字符贪婪模式只匹配找到的第一个字符   .*?匹配最少任意字符非贪婪模式  并返回所以符合的条件的全部字符 保存到列表
  5. c=re.search(c,html)  #re.search(regx,str)  在str中查找满足条件的字符串,匹配不上则返回None
  6. print(c)
  7. print(c.groups())  #使用groups可以获取小括号里所有内容
  8. print(c.group(0))  #对返回结果可以分组,可在字符串内添加小括号分离数据
  9. print(c.group(1))

1.1. 贪婪模式

模式 描述
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…] 用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’
[^…] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
re* 匹配0个或多个的表达式。
re+ 匹配1个或多个的表达式。
re? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n} 匹配n个前面表达式。例如，”o{2}”不能匹配”Bob”中的”o”，但是能匹配”food”中的两个o。
re{ n,} 精确匹配n个前面表达式。例如，”o{2,}”不能匹配”Bob”中的”o”，但能匹配”foooood”中的所有o。”o{1,}”等价于”o+”。”o{0,}”则等价于”o*”。
re{ n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a| b 匹配a或b
(re) 匹配括号内的表达式，也表示一个组
(?imx) 正则表达式包含三种可选标志：i, m, 或 x 。只影响括号中的区域。
(?-imx) 正则表达式关闭 i, m, 或 x 可选标志。只影响括号中的区域。
(?: re) 类似 (…), 但是不表示一个组
(?imx: re) 在括号中使用i, m, 或 x 可选标志
(?-imx: re) 在括号中不使用i, m, 或 x 可选标志
(?#…) 注释.
(?= re) 前向肯定界定符。如果所含正则表达式，以 … 表示，在当前位置成功匹配时成功，否则失败。但一旦所含表达式已经尝试，匹配引擎根本没有提高；模式的剩余部分还要尝试界定符的右边。
(?! re) 前向否定界定符。与肯定界定符相反；当所含表达式不能在字符串当前位置匹配时成功。
(?> re) 匹配的独立模式，省去回溯。
\w 匹配数字字母下划线
\W 匹配非数字字母下划线
\s 匹配任意空白字符，等价于 [\t\n\r\f]。
\S 匹配任意非空字符
\d 匹配任意数字，等价于 [0-9]。
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z 匹配字符串结束
\G 匹配最后匹配完成的位置。
\b 匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B 匹配非单词边界。’er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等。 匹配一个换行符。匹配一个制表符, 等
\1…\9 匹配第n个分组的内容。
\10 匹配第n个分组的内容，如果它经匹配。否则指的是八进制字符码的表达式。

. 匹配最多任意字符 .?匹配任意字符贪婪模式 重复运行当前匹配条件

  1. import re
  2. html =" 当日转为确诊病例0例，当日解除集中隔离医学观察0例。尚在集中隔离医学观察28例（均为境外输入），比前一日增加4例。"
  3. c="确诊病例(\d+).*?医学观察(\d+).*?隔离医学观察(\d+).*前一日增加(\d+)"
  4. # \d匹配0-9任意数字    .* 匹配最多任意字符贪心算法    .*?匹配最少任意字符非贪心算法
  5. c=re.search(c,html)  #re.search(regx,str)  在str中查找满足条件的字符串,匹配不上则返回None
  6. print(c)
  7. print(c.groups())  #使用groups可以获取小括号里所有内容
  8. print(c.group(0))  #对返回结果可以分组,可在字符串内添加小括号分离数据
  9. print(c.group(1),c.group(2),c.group(3),c.group(4))