正则表达式实现重叠匹配
import regex string = '100101010001' str_re = '101' print(regex.findall(str_re, string, overlapped=True))
普通的re库匹配，只能匹配一个’101’。
正则表达式与正则匹配
正则表达式
正则表达式可理解为对数据筛选的表达式，是有限个原子和元字符组成。
原子：基本组成单位，每个表达式至少有一个原子
| 普通字符组成原子 | |
|---|---|
非打印字符组成原子 （不打印在输出台的字符） | \n：换行 \t：tab退格符 |
| 通用字符组成原子 | \w：匹配任意字母、数字、下划线 \W：与\w相反 \d：匹配任意十进制数 \D：与\d相反 \s：匹配任意空白字符，如空格、换行、缩进 \S：与\s相反 |
| 原子表组成原子 | 一组原子组成一个表，由[]声明 表内原子优先级相等，但内容只出现依次 若原子表以 ^ 开头，则表示取反 |
#普通字符组成原子 pat1 = "abcd" #非打印字符组成原子 pat2 = "\n" #通用字符做原子 pat3 = "\w" #原子表组成原子 pat4 = "py[abc]" #可以匹配pya，pyb，pyc，但匹配pyab等原子表重复出现的情况失败 #原子表开头带 ^ 表示取反 pat5 = "py[^abc]" #第三个位置匹配除了a，b，c外的任意一个字符
元字符：正则表达式中具有特殊含义的字符
| . | 匹配任意字符，除了换行符 |
|---|---|
| ^ | 匹配字符串开始的位置 |
| $ | 匹配字符串结束的位置，当出现多组符合的匹配时，返回字符串最后的那组匹配 |
| * | 匹配 0，1，n 次前面的原子【贪婪模式：尽可能多的匹配】 |
| ? | 匹配 0，1 次前面的原子【懒惰模式：精确匹配】 |
| + | 匹配 1，n 次前面的原子 |
| { j } | 前面的原子出现 j 次 |
| { j , } | 前面的原子至少出现 j 次 |
| { j , k } | 前面的原子至少出现 j 次，至多出现 k 次 |
| i | j | 匹配 i 或 j ，若 i 与 j 同时出现，匹配 i |
| ( ) | 组，限制这组数据的组合如（）内所描述一样，只返回符合括号内描述的内容 |
模式修正符
即函数中 flag 位置的参数，在不改变正则表达式的情况下改变其含义，调整匹配结果。
| re.I | 匹配时忽略大小写 |
| re.M | 多行匹配 |
| re.L | 本地化识别匹配 |
| re.U | 根据unicon字符匹配，影响\w \W |
| re.S | 匹配包括换行符 |
正则匹配
正则表达式是对字符串进行模糊匹配，其中一个应用为正则匹配。正则匹配是python爬虫的一个使用技术，用于在爬取的文本信息中提取目标信息。
正则匹配常用的函数：（调用正则表达式模块re）
re.search(pat, str[, flag])：扫描字符串str，返回pat的位置（第一次成功匹配的），flag用于控制正则表达式的匹配方式
import re str = 'python' pat = 'pytho[a-n]' print(re.search(pat, str))
re.match(pat, str[, flag])：扫描字符串str开始的位置，返回pat的位置（第一次成功匹配的），flag用于控制正则表达式的匹配方式【若开始就不符合则结束，返回none】
import re str_1 = 'hello world' str_2 = 'world hello' pat = 'world' print(re.match(pat, str_1)) print(re.match(pat, str_2))
re.complie(pat[, flag])：编译正则表达式pat，返回正则表达式对象findall(str[, pos[, endpos]])：匹配所有，用列表返回string中所有匹配到的子串【不止第一次】，pos和endpos可指定在string中的起始位置re.complie(pat).findall(str)：全局匹配函数，匹配str中所有符合pat的子串，装入一个列表返回结果
import re str = "hello world hello world hello world" pat = "hello" print(re.complie(pat).findall(str)) print(re.complie(pat).findall(str, 5, 15))
re.sub(pat, repl, str[, count[, flag]])：替换字符串中的匹配项【清洗数据】，可用count指定最大替换次数
import re str = "400-823-823" pat = "-" #短横改空格，最大替换次数2 str_new = re.sub(pat, " ", str, count=2)
以上为个人经验，希望能给大家一个参考，也希望大家多多支持米米素材网。
发表评论