python網頁正則表達式

『壹』 python正則表達式（二）

上節我們說到 Python 正則表達式的基本字元，以及這些字元的用法

今天，我們繼續講講 Python 中一些擴展標記法，以及一些特殊序列

(?...) : 這種擴展標記法以括弧內 ? 開頭，其後第一個字元決定了採用什麼樣的語法。

在 ? 後面添加( 'a', 'i', 'L', 'm', 's', 'u', 'x' 中的一個或多個)，然後加上匹配規則。

這些字元對正則表達式設置以下標記，免去設置 flag 參數

注意 ： 'a', 'L', 'u' 作為內聯標記是相互排斥的，它們不能結合在一起

括弧分組的非捕獲版本，該分組所匹配的子字元串 不能 在執行匹配後被獲取或是在之後的模式中被引用

可以配合 | 和 {m} 使用

為分組再指定一個組合名

每個組合名只能用一個正則表達式定義，只能定義一次

反向引用一個命名組合

匹配前面那個名字叫 name 的命名組中匹配到的字元串

注釋信息，裡面的內容會被忽略。

哈哈，是不是沒看懂，沒事，舉個栗子

看看，是不是一下子就明了了。

哈哈，這個又看不懂？

思考一下，既然有根據後面字元斷言的，那麼根據前面字元來斷言，也是很合理的，

如果給定的 id 或 name 存在，將會嘗試匹配 yes-pattern ，否則就嘗試匹配 no-pattern ， no-pattern 可選，也可以被忽略。

是不是有點像 if else 三目運算，其中 id 和 name 是分組 id 、和指定的分組名 name

照舊，舉個栗子吧

看了栗子是不是有點糊塗呢，我們來解析一下這個正則表達式

其結果匹配的就是 <[email protected]> 和 [email protected] 。

而不會匹配 <[email protected] ' 和 <[email protected]

但是上面的第三個結果為啥不一樣呢？

因為 findall 允許返回空匹配的，在有 ? 的情況下，所以它會分兩種情況去匹配

今天講了一些擴展標記法，其實沒那麼難，多看看例子，多練習練習。

下節將介紹 re 模塊各函數的用法，敬請期待......

『貳』 python 正則表達式怎麼匹配

Python本不等於正則語言，它只是內部集成了一個正則引擎，這個引擎實現了正則語言的功能，在Python中，這個引擎就是re模塊。所以，你要先『import re』。

下面網頁詳細介紹了正則本身和re模塊，可供參考，基本上覆蓋了所有內容。

『叄』 如何編寫python的正則表達式

Python re正則匹配伏彎戚枝中文，其實非常簡單，把中文的unicode字元串轉換成utf-8格式就可以了，然後可以在re中隨意調用
unicode中中文的編碼為/u4e00-/u9fa5，因此正則表達式u」[\u4e00-\u9fa5]+」可以表示一個或者多個中文字元
>>> import re

>>> s='中文：123456aa哈哈哈bbcc'.decode('utf8')
>>> s
u'\u4e2d\u6587\uff1a123456aa\u54c8\u54c8\u54c8bbcc'
>>> print s
中文：123456aa哈哈哈bbcc

>>> re.match(u"[\u4e00-\u9fa5]+",s)
<_sre.SRE_Match object at 0xb77742c0>

>>> pat='中文'缺仔悶.decode("utf8")
>>> re.search(pat,s)
<_sre.SRE_Match object at 0x16a16df0>

>>> newpat='這里是中文內容'.decode("utf8")

>>> news=re.sub(pat,newpat,s)
>>> print news
這里是中文內容：123456aa哈哈哈bbcc

『肆』 python幫忙寫個處理網頁的正則表達式，如下

a='''<input type="hidden" name="lt" value="LT-111224-"/>
<input type="hidden"睜前兄 name="悉襲execution" value="e2s1"悔消/>
<input type="hidden" name="_eventId" value="submit"/>
<input class="btn btn-submit" name="submit" accesskey="l" value="登錄" tabindex="4" type="submit"/>
<input class="btn btn-submit" name="reset" accesskey="c" value="重置" tabindex="5" type="reset"/>
<br><br>'''

import re

b=re.findall('<input .*? name=\"(.*?)\".*? value=\"(.*?)\"',a)

print dict(b)

『伍』 Python常用的正則表達式處理函數詳解

正則表達式是一個特殊的字元序列，用於簡潔表達一組字元串特徵，檢查一個字元串是否與某種模式匹配，使用起來十分方便。

在Python中，我們通過調用re庫來使用re模塊：

import re

下面介紹Python常用的正則表達式處理函數。

re.match函數

re.match 函數從字元串的起始位置匹配正則表達式，返回match對象，如果不是起始位置匹配成功的話，match()就返回None。

re.match(pattern, string, flags=0)

pattern：匹配的正則表達式。

string：待匹配的字元串。

flags：標志位，用於控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。具體參數為：

re.I：忽略大小寫。

re.L：表示特殊字元集 w, W, , B, s, S 依賴於當前環境。

re.M：多行模式。

re.S：即 . ，並且包括換行符在內的任意字元（. 不包括換行符）。

re.U：表示特殊字元集 w, W, , B, d, D, s, S 依賴於 Unicode 字元屬性資料庫。

re.X：為了增加可讀性，忽略空格和 # 後面的注釋。

import re #從起始位置匹配 r1=re.match('abc','abcdefghi') print(r1) #不從起始位置匹配 r2=re.match('def','abcdefghi') print(r2)

運行結果：

其中，span表示匹配成功的整個子串的索引。

使用group(num) 或 groups() 匹配對象函數來獲取匹配表達式。

group(num)：匹配的整個表達式的字元串，group() 可以一次輸入多個組號，這時它將返回一個包含那些組所對應值的元組。

groups()：返回一個包含所有小組字元串的元組，從 1 到 所含的小組號。

import re s='This is a demo' r1=re.match(r'(.*) is (.*)',s) r2=re.match(r'(.*) is (.*?)',s) print(r1.group()) print(r1.group(1)) print(r1.group(2)) print(r1.groups()) print() print(r2.group()) print(r2.group(1)) print(r2.group(2)) print(r2.groups())

運行結果：

上述代碼中的(.*)和(.*?)表示正則表達式的貪婪匹配與非貪婪匹配。

re.search函數

re.search函數掃描整個字元串並返回第一個成功的匹配，如果匹配成功則返回match對象，否則返回None。

re.search(pattern, string, flags=0)

pattern：匹配的正則表達式。

string：待匹配的字元串。

flags：標志位，用於控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等等。

import re #從起始位置匹配 r1=re.search('abc','abcdefghi') print(r1) #不從起始位置匹配 r2=re.search('def','abcdefghi') print(r2)

運行結果：

使用group(num) 或 groups() 匹配對象函數來獲取匹配表達式。

group(num=0)：匹配的整個表達式的字元串，group() 可以一次輸入多個組號，這時它將返回一個包含那些組所對應值的元組。

groups()：返回一個包含所有小組字元串的元組，從 1 到 所含的小組號。

import re s='This is a demo' r1=re.search(r'(.*) is (.*)',s) r2=re.search(r'(.*) is (.*?)',s) print(r1.group()) print(r1.group(1)) print(r1.group(2)) print(r1.groups()) print() print(r2.group()) print(r2.group(1)) print(r2.group(2)) print(r2.groups())

運行結果：

從上面不難發現re.match與re.search的區別：re.match只匹配字元串的起始位置，只要起始位置不符合正則表達式就匹配失敗，而re.search是匹配整個字元串，直到找到一個匹配為止。

re.compile 函數

compile 函數用於編譯正則表達式，生成一個正則表達式對象，供 match() 和 search() 這兩個函數使用。

re.compile(pattern[, flags])

pattern：一個字元串形式的正則表達式。

flags：可選，表示匹配模式，比如忽略大小寫，多行模式等。

import re #匹配數字 r=re.compile(r'd+')  r1=r.match('This is a demo') r2=r.match('This is 111 and That is 222',0,27) r3=r.match('This is 111 and That is 222',8,27)   print(r1) print(r2) print(r3)

運行結果：

findall函數

搜索字元串，以列表形式返回正則表達式匹配的所有子串，如果沒有找到匹配的，則返回空列表。

需要注意的是，match 和 search 是匹配一次，而findall 匹配所有。

findall(string[, pos[, endpos]])

string：待匹配的字元串。

pos：可選參數，指定字元串的起始位置，默認為0。

endpos：可選參數，指定字元串的結束位置，默認為字元串的長度。

import re #匹配數字 r=re.compile(r'd+')  r1=r.findall('This is a demo') r2=r.findall('This is 111 and That is 222',0,11) r3=r.findall('This is 111 and That is 222',0,27)   print(r1) print(r2) print(r3)

運行結果：

re.finditer函數

和 findall 類似，在字元串中找到正則表達式所匹配的所有子串，並把它們作為一個迭代器返回。

re.finditer(pattern, string, flags=0)

pattern：匹配的正則表達式。

string：待匹配的字元串。

flags：標志位，用於控制正則表達式的匹配方式，如是否區分大小寫，多行匹配等。

import re  r=re.finditer(r'd+','This is 111 and That is 222') for i in r:   print (i.group())

運行結果：

re.split函數

將一個字元串按照正則表達式匹配的子串進行分割後，以列表形式返回。

re.split(pattern, string[, maxsplit=0, flags=0])

pattern：匹配的正則表達式。

string：待匹配的字元串。

maxsplit：分割次數，maxsplit=1分割一次，默認為0，不限次數。

flags：標志位，用於控制正則表達式的匹配方式，如：是否區分大小寫，多行匹配等。

import re  r1=re.split('W+','This is 111 and That is 222')  r2=re.split('W+','This is 111 and That is 222',maxsplit=1)  r3=re.split('d+','This is 111 and That is 222')  r4=re.split('d+','This is 111 and That is 222',maxsplit=1)  print(r1) print(r2) print(r3) print(r4)

運行結果：

re.sub函數

re.sub函數用於替換字元串中的匹配項。

re.sub(pattern, repl, string, count=0, flags=0)

pattern：正則中的模式字元串。

repl：替換的字元串，也可為一個函數。

string：要被查找替換的原始字元串。

count：模式匹配後替換的最大次數，默認0表示替換所有的匹配。

import re  r='This is 111 and That is 222' # 刪除字元串中的數字 r1=re.sub(r'd+','',r) print(r1) # 刪除非數字的字元串  r2=re.sub(r'D','',r) print(r2)

運行結果：

到此這篇關於Python常用的正則表達式處理函數詳解的文章就介紹到這了，希望大家以後多多支持！

『陸』 python中提取網頁特定內容4的正則表達式如何寫

python有個進門解析html的包BeautifulSoup，用它要比用正則方便很多

『柒』 python正則表達式是什麼

python正則表達式是使用單個字元串來描述、匹配某個句法規則的字元串，常被用來檢索、替換那些符合某個模式（規則）的文本。最初的正則表達式出現於理論計算機科學的自動控制理論和形式化語言理論中。

1950 年，數學家斯蒂芬·科爾·克萊尼利用稱之為「正則集合」的數學符號來描述此模型。肯·湯普遜將此符號系統引入編輯器 QED，隨後是 UNIX 上的編輯器 ed，並最終引入 grep。自此以後，正則表達式被廣泛地應用於各種 UNIX 或類 UNIX 系統的工具中。目前，許多程序設計語言都支持利用正則表達式進行字元串操作。

正則表達式常用的特殊字元：

：將下一個字元標記為一個特殊字元、一個原義字元(Identity Escape,有 "^" "$" "(" ")" "*" "+" "{" "|" 共計12個)、一個向後引用(backreferences)或一個八進制轉義符。例如「n」匹配字元「n」，「 」匹配一個換行符，「\」匹配「」，「(」則匹配「(」。

^：匹配輸入字元串的開始位置。如果設置了正則表達式的多行屬性，「^」也可以匹配「 」或「 」之 後的位置。

[a-z]：字元范圍，匹配指定范圍內的任意字元。例如「[a-z]」可以匹配「a」到「z」范圍內的任意小寫字母字元。

s：匹配任何空白字元，包括空格、製表符、換頁符等，等效於「[f v]」。注意 Unicode 正則表達式 會匹配全形空格符。

『捌』 python正則表達式,如何選取網頁中一部分字元

『玖』 python正則表達式是什麼呢

python正則表達式如下：

在python中，所謂的「正則表達式」指的是通常被用來檢索、替換那些符合某個模式的一段文本。具體而言，它的作用是檢測某個字元串是否符合規則和提取網頁字元串中想要的數據。

正則表達式是對字元串提取的一套規則，我們把這個規則用正則裡面的特定語法表達出來，去匹配滿足這個規則的字元串。正則表達式具有通用型，不僅python裡面可以用，其他的語言也一樣適用。

python的編程特點：

速度快：Python的底層是用C語言寫的，很多標准庫和第三方庫也都是用C寫的，運行速度非常快。

免費、開源：Python是FLOSS（自由/開放源碼軟體）之一。使用者可以自由地發布這個軟體的拷貝、閱讀它的源代碼、對它做改動、把它的一部分用於新的自由軟體中。FLOSS是基於一個團體分享知識的概念。

高層語言：用Python語言編寫程序的時候無需考慮諸如如何管理你的程序使用的內存一類的底層細節。

解釋性：一個用編譯性語言比如C或C++寫的程序可以從源文件（即C或C++語言）轉換到一個你的計算機使用的語言（二進制代碼，即0和1）。這個過程通過編譯器和不同的標記、選項完成。

『拾』 Python中的正則表達式

因為正則表達式中有兩組小括弧，即兩個分組

findall會以元組亂銷形式返回所有分組中的內容，即[('127.0.0.1', '.1')]

其中'127.0.01'表示匹配最外層大括弧的內容

'.1'表示匹配'.[0-9]{1,3}'的內容（最後一次重復時為.1）

由於('.[0-9]{1,3}')為需要重復三次的分組，該括弧不能省略

而使用findall就一定會顯示括弧分組的內容

若想只顯示127.0.0.1而不嘩梁游顯示'.1'，可考慮使用match方法

返回從字元串起始位置開始，第一次匹配正則表達式的內容

match返回的結果為re.Match對象，可通過group()顯示匹配的字元串，渣襲即127.0.0.1

通過groups()顯示匹配的所有分組，即('127.0.0.1', '.1')

如圖所示：