python正则二

在python中，我们可以使用re模块来使用正则表达式。

正则表达式使用\对特殊字符进行转义，因为python本身也是用\作为转义，所以在使用正则的时候会出现这样的情况，'python\\.org'，有两个斜杠，为了避免出现这种情况，我们可以使用如下方法：

r'python\.org'

re模块一些常用的方法。

findall

以列表形式返回所有匹配的字符串，如果没有匹配的就返回一个空列表。

还可以指定字符串的开始位置和结束位置。

import re
string = "abcd2135asdfasfd3425"
re = re.compile(r'\d+')
result1 = re.findall(string)
result2 = re.findall(string,0,8)  # 指定起始位置，从第一个字符到第八个字符，所以最后的数字不会匹配上
print(result1)
print(result2)

结果：
['', '']
['']

search

只要找到一个匹配结果就返回，也可以指定起始位置。

import re
string = "abcd2135asdfasfd3425"
re = re.compile(r'\d+')
result1 = re.search(string)
result2 = re.search(string,0,6)  # 指定起始位置，匹配从第1个字符到第6个字符中的数字
print(result1.group())
print(result2.group())

结果：
2135
21

match

不指定起始位置，默认匹配字符串的头部。如果没有匹配上返回None。

import re
string = "abcd2135asdfasfd3425"
re = re.compile(r'\d+')
result1 = re.match(string)
result2 = re.match(string,2,6) # 从c开始匹配，又因为match是默认匹配字符串头部，而头部是c不是数字
result3 = re.match(string,4,6) # 从2开始匹配
print(result1)
print(result2)
print(result3.group())

结果：
None
None
21

在线正则表达式匹配网站：https://regex101.com/ 我们可以在这里进行正则表达式的调试。

如上图，首先我们选择python，其次把目标字符串放入TEST STRING下面，然后在REGULAR EXPRESSION处写正则表达式进行匹配，如果匹配上了，下面的匹配上的字符串会实时改变颜色。

练习：

匹配下面这个html里面的skuid和skuimgurl两部分内容。

import re
import requests

url = "http://qwd.jd.com/fcgi-bin/qwd_searchitem_ex?skuid=26878432382%7C1658610413%7C26222795271%7C25168000024%7C11731514723%7C26348513019%7C20000220615%7C4813030%7C25965247088%7C5327182%7C19588651151%7C1780924%7C15495544751%7C10114188069%7C27036535156%7C10123099847%7C26016197600%7C10503200866%7C16675691362%7C15904713681"

session = requests.session()
r = session.get(url)
html = r.text

reg = re.compile(r"\"skuid\":\"(\d+)\",\s+\"\S+\s+\"skuurl\"\S+\s+\"skuimgurl\":\"(\S+)\",")  # 这里是正则部分
result = reg.findall(html)    # 因为我们要找到该网页中的所有的匹配的结果，所以用findall
print(result)

返回的结果如下：

[('', 'https://img11.360buyimg.com/n7/jfs/t18226/169/1318243724/390477/5b0718ff/5ac44edcNa350dbd9.jpg'),
 ('', 'https://img11.360buyimg.com/n7/jfs/t17461/138/1837663326/68820/5f8da5cd/5ad9b1e2N42bce837.jpg'),...........]

上面的正则部分还可以写成如下格式：

\"skuid\":\"*(\d+)\"\S\s+\"\w+\":\".*?\"skuimgurl\":\"(.*?.jpg)

在正则表达式中常用的元字符有如下：

\    转义字符

\s  匹配空白字符

\S  匹配非空白字符

\w  匹配包括下划线的任何单词字符

\W 匹配非单词字符

\d 匹配数字

|   代表左右表达式任意匹配一个

^ 匹配字符串开始

$ 匹配字符串结尾