正则表达式（补充）

一、常见匹配模式

二、re.match()方法的使用

re.match() 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。

1.最常规的匹配

import re #导包

content = 'Hello 123 456789 World_This is a Regex Demo'  # 准备好的待匹配字符串
# 第一种
res = re.match('^Hello\s\d{3}\s\d{6}\s\w{10}.*Demo$',content)
# 第二种
a = re.match('.*Demo',content)
print(a.group())
print(res) # 返回的是一个匹配对象
print(res.group())  # .group()获取匹配内容
print(res.span())  # 查看匹配长度 44个字符

2.泛匹配

import re
#写的很简洁
content = 'Hello 123 4567 World_Thixs is a Regex'
result = re.match('He.*?Regex',content)#把一整个文本匹配完成 又不想写的复杂,

print(result.group()) # 获取匹配内容
print(result.span()) # 获取匹配长度

3.匹配目标--分组匹配

为了匹配字符串中具体的目标，可以使用（）进行分组匹配 ()括号里面是你要匹配的表达式

import re

content = 'qwe Hello 1234567 World_This is a Regex Demo'

result = re.match('qwe\s(\w+)\s(\d{7}).*Demo',content)

print(result.group()) # 获取匹配内容
print(result.group(1)) # 提取第一组表达式内匹配到的字符
print(result.group(2)) # 提取第二组表达式内匹配的字符

4.贪婪匹配

尽可能多的去匹配

import re
# 匹配尽可能多的字符
content = 'Hello 1234567 World_This is a Regex Demo'

result = re.match('^He.*(\d+)\s.*Demo$', content)  
print(result)
print(result.group(1)) 

5.非贪婪匹配

尽可能少的去匹配

import re
# 匹配尽可能少的字符
content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$', content)

print(result)
print(result.group())
print(result.group(1))

6.匹配模式（换行）

import re

# re.S ：匹配包括换行在内的所有字符
content = '''Hello 1234567 World_This 
is a Regex Demo
'''
result = re.match('^He.*?(\d+).*Demo$', content,re.S)
print(result)
print(result.group(1))

7.转义

import re

# \表示转义，加在特殊字符的前面，表示它不是正则里的匹配符号，而是普通文本
content = 'price is $5.00'
result = re.match('price\sis\s\$5\.00', content)
print(result)
print(result.group())

总结：尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、有换行符就用re.S

三、re.search()方法的使用

re.search() 扫描整个字符串并返回第一个成功的匹配值。

import re

content = 'Extroa stings Hello 1234567 World_This is a 66666666 RDemogex Demo Extra stings'

result = re.search('He.*?(\d+).*?Wor.*?s$', content)
print(result)
print(result.group())
print(result.group(1))

四、re.findall()方法的使用

前面的match()以及search()都只能匹配到第一个

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
    <p class="introduction">
        经典老歌列表
    </p>
    <ul id="list" class="list-group">
         <li data-view="2">一路有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
        </li>
    </ul>
</div>'''

# 用正则匹配出 --- 所有的链接，歌手和歌手名
import re
r = re.findall('<a\shref="(.*?)"\ssinger="(.*?)">(.*?)</a>',html,re.S)
print(r)

五、re.sub()方法的使用

替换字符串中每一个匹配的字符

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'
# 第一个参数 正则表达式
# 第二个参数 :要替换的新字符
# 第三个参数：原字符串
content = re.sub('s', '7', content) 
print(content)

六、匹配演练

html = '''<div id="songs-list">
    <h2 class="title">经典老歌</h2>
    <p class="introduction">
        经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路有你</li>
        <li data-view="7">
            <a href="/2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>

        <li data-view="4" class="active">
            <a href="/3.mp3" singer="齐秦">往事随风</a>
        </li>
        
        <li data-view="6"><a href="/4.mp3" singer="beyond">光辉岁月</a></li>
        
        <li data-view="5"  class='active'><a href="/5.mp3" singer="陈慧琳">记事本</a></li>
        
        <li data-view="5">
            <a href="/6.mp3" singer="邓丽君"><i class="fa fa-user"></i>但愿人长久</a>
        </li>
    </ul>
</div>'''

# 用正则匹配出 --- 齐秦 往事随风  
import re
r = re.search('<li\sdata-view="4".*?singer="(.*?)">(.*?)</a>',html,re.S)
print(r.group(1))
print(r.group(2))