python 正则表达式 初级

举例：

1.匹配hello world

key = r"<h1>hello world<h1>" #源文本

p1 = r"<h1>.+<h1>" #正则表达式

pattern1 = re.compile(p1)

print pattern1.findall(key) #findall返回的是所有符合要求的元素列表，如果只有一个元素时，它还是返回列表。

2.匹配@与.之间的ygomi

key='aaaapiaoyu.qiu@ygomi.com.cn'

>>> p1=r"@.+\."

>>> pattern1=re.compile(p1

>>> pattern1.findall(key)

['@ygomi.com.']    #结果匹配到了更多的内容

>>> 

>>> p1=r"@.+?\."    #增加？

>>> pattern1=re.compile(p1)

>>> pattern1.findall(key)

['@ygomi.']    #匹配成功

原因是正则表达式默认是“贪婪”的，“+”代表是字符重复一次或多次，在我们没有细说这个多次到底是多少次时，它会尽可能“贪婪”地多给我们匹配字符，即匹配到最后一个“.”。怎么解决这种问题呢？只要在“+”后面加一个“？”就可以将贪婪的“+”改成了懒惰的“+”。

3.准确控制控制重复次数：{a,b} 其中，a<=匹配次数<=b

举栗，我们有sas,saas,saaas，我们想要sas和saas

key = r"saas and sas and saaas"

p1 = r"sa{1,2}s"

pattern1 = re.compile(p1)

print pattern1.findall(key)

输出：['saas', 'sas']

 

如果你省略掉{1,2}中的2，那么就代表至少匹配一次，那么就等价于？。如果你省略掉{1,2}中的1，那么就代表至多匹配2次。

正则表达式里的元字符及其作用：

元字符	说明
.	代表任意字符，用于匹配除换行符（\n）之外的所有字符。
|	逻辑或操作符，例如：A|B用于匹配A或B
[ ]	匹配内部的任一字符或子表达式 [0-9] 0123456789任意之一 [a-z]   小写字母任意之一 [A-Z]   大写字母任意之一
[^]	'[]'用于标示一组字符，如果^是第一个字符，则标示的是一个补集。 比如[0-9]表示所有的数字，[^0-9]表示除了数字外的字符。
-	定义一个区间
\	对下一字符取非（通常是普通变特殊，特殊变普通）
*	匹配前面的字符或者子表达式0次或多次（贪婪模式，即尽可能多的匹配）
*?	惰性匹配上一个（非贪婪模式）
+	匹配前一个字符或子表达式一次或多次（贪婪模式）
+?	惰性匹配上一个（非贪婪模式）
?	匹配前一个字符或子表达式0次或1次重复（贪婪模式）
{n}	匹配前一个字符或子表达式
{m,n}	匹配前一个字符或子表达式至少m次至多n次
{n,}	匹配前一个字符或者子表达式至少n次
{n,}?	前一个的惰性匹配
^	匹配字符串的开头
\A	匹配字符串开头
$	匹配字符串的末尾（末尾如果有换行符\n，就匹配\n前面的那个字符）
[\b]	退格字符
\c	匹配一个控制字符
\d	匹配任意数字，等同于[0-9]
\D	匹配数字以外的字符，等同于[^0-9]匹配非数字
\t	匹配制表符
\w	匹配任意数字字母下划线，，，等同于[a-z0-9A-Z_]匹配大小写字母、数字和下划线
\W	不匹配数字字母下划线，，，等同于[^a-z0-9A-Z_]等同于上一条取非