标签：html pil 使用 test html 标签 正则 练习 也有 logs
正则函数
Python提供re模块，包含所有正则表达式的功能
由于python的字符串本身也有\转义,所以需要注意:
s = "ABC\\-001"
对应的正则表达式应为:‘ABC\-001‘
用python的r前缀,就不用考虑转义问题
可以使用 s = r‘ABC\-001‘
对应的正则表达式为:‘ABC\-001‘
match() 判断是否匹配成功,如果匹配成功,返回一个match对象,否则返回None
test = "用户输入的字符串" if re.match(r‘正则表达式‘,test): print("OK") else: print("failed")
结果:failed
#正则函数 import re print("---re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None") print(re.match(‘www‘,‘wwwcom‘).group())#在起始位置匹配 print(re.match(‘www‘,‘comwww‘))#不在起始位置匹配 print("---re.search，扫面整个字符串并返回第一个成功的匹配,后面匹配到的都不会返回") print(re.search(‘baidu‘,‘www.baidu.com‘).group()) print(re.search(‘ai‘,‘www.baidu.com‘).group()) print("---re.findall，从左到右扫描字符串，按顺序返回匹配，如果无匹配结果则返回空列表") #返回匹配列表；compile，编译后执行速度更快 #p = re.compile(‘\d+‘) #print(p.findall(‘one1two2three3four4‘)) print(re.findall(‘\d+‘,‘one1two2three3four4‘)) print(re.findall(‘four‘,‘one1two2three3four4‘))
结果:
---re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
www
None
---re.search，扫面整个字符串并返回第一个成功的匹配,后面匹配到的都不会返回
baidu
ai
---re.findall，从左到右扫描字符串，按顺序返回匹配，如果无匹配结果则返回空列表
[‘1‘, ‘2‘, ‘3‘, ‘4‘]
[‘four‘]
分组:
除了简单地判断是否匹配之外，正则表达式还有提取子串的强大功能。用()表示的就是要提取的分组（Group）。比如：
^(\d{3})-(\d{3,8})$分别定义了两个组，可以直接从匹配的字符串中提取出区号和本地号码：
import re m = re.match(r"^(\d{3})-(\d{3,8})$", ‘010-12345‘) print(m) print(m.group(0)) print(m.group(1)) print(m.group(2))
结果:
<_sre.SRE_Match object at 0x00000000026360B8>
010-12345
010
12345
如果正则表达式中定义了组，就可以在Match对象上用group()方法提取出子串来。
注意到group(0)永远是原始字符串，group(1)、group(2)……表示第1、2、……个子串
import re print("---sub用于替换字符串中的匹配项") #第一个参数表示正则,第二个表示替换的字符串,第三个表示要扫描的字符串 print(re.sub(‘g..t‘,‘abc‘,‘gaat gbbt gcct‘)) print("---split,返回切割后的列表") print(re.split(‘\+‘,‘123+456*789‘))
结果:
---sub用于替换字符串中的匹配项
abc abc abc
---split,返回切割后的列表
[‘123‘, ‘456*789‘]
练习1:
假设有这样一个网址：http://xqtesting.sxl.cn/archive/6688431.html，
请获取这个网址的扩展名，也就是.html这个东东。
import re print(re.findall(‘.html‘,‘http://xqtesting.sxl.cn/archive/6688431.html‘))
结果:
[‘.html‘]
练习2:
用Python匹配HTML 标签的时候，<.*>和<.*?>有什么区别？别着急，用这两个来分别匹配
下<div><span>test</span></div>
import re print(re.findall(‘<.*>‘,‘<div><span>test</span></div>‘)) print(re.findall(‘<.*?>‘,‘<div><span>test</span></div>‘))
结果:
[‘<div><span>test</span></div>‘]
[‘<div>‘, ‘<span>‘, ‘</span>‘, ‘</div>‘]
标签：html pil 使用 test html 标签 正则 练习 也有 logs
原文地址：http://www.cnblogs.com/R-bear/p/7020526.html
