今天写爬虫偶然想到了初学正则表达式时候,看过一篇文章非常不错。检索一下还真的找到了。
re模块
re.search
经常用match = re.search(pat, str)的形式。因为有可能匹配不到,所以re.search()后面一般用if statement。
re.match
re.match和re.search很相似,只是re.match是从字符串的开头开始匹配。
常用正则字符意义
重复
‘+’ 一或多次, ‘*’ 零或多次, ‘?’ 零或一次
方括号[]
[]类似于or Square brackets can be used to indicate a set of chars, so [abc] matches 'a' or 'b' or 'c'.
Group Extraction圆括号()
有时候需要提取匹配字符的一部分,比如刚才的邮箱,我们可能需要其中的username和hostname,这时候可以用()分别把username和hostname包起来,就像r'([\w.-]+)@([\w.-]+)',如果匹配成功,那么pattern不改变,只是可以用match.group(1)和match.group(2)来username和hostname,match.group()结果不变。
findall and groups
()和findall()结合,如果包括一或多个group,就返回a list of tuples。
给re.search加^之后是一样的。
re.sub
re.sub(pat, replacement, str)在str里寻找和pattern匹配的字符串,然后用replacement替换。replacement可以包含\1或者\2来代替相应的group,然后实现局部替换。
作者:米乐果果 来源:http://www.jianshu.com/p/922e9e56b017