需求:匹配出文章阅读的次数
#coding=utf-8 import re ret = re.search(r"d+", "阅读次数为 9999") ret.group()
运行结果
'9999'
需求:统计出Python、c、c++相应文章阅读的次数
#coding=utf-8 import re ret = re.findall(r"d+", "python = 9999, c = 7890, c++ = 12345") print(ret)
运行结果:
['9999', '7890', '12345']
需求:将匹配到的阅读次数加1
方法1:
#coding=utf-8 import re ret = re.sub(r"d+", '998', "python = 997") print(ret)
运行结果:
python = 998
方法2:
#coding=utf-8 import re def add(temp): strNum = temp.group() num = int(strNum) + 1 return str(num) ret = re.sub(r"d+", add, "python = 997") print(ret) ret = re.sub(r"d+", add, "python = 99") print(ret)
运行结果:
python = 998 python = 100
练习
从下面的字符串中取出文本
<div> <p>岗位职责:</p> <p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p> <p><br></p> <p>必备要求:</p> <p>良好的自我驱动力和职业素养,工作积极主动、结果导向</p> <p> <br></p> <p>技术要求:</p> <p>1、一年以上 Python 开发经验,掌握面向对象分析和设计,了解设计模式</p> <p>2、掌握HTTP协议,熟悉MVC、MVVM等概念以及相关WEB开发框架</p> <p>3、掌握关系数据库开发设计,掌握 SQL,熟练使用 MySQL/PostgreSQL 中的一种<br></p> <p>4、掌握NoSQL、MQ,熟练使用对应技术解决方案</p> <p>5、熟悉 JAVAscript/css/html5,JQuery、React、Vue.js</p> <p> <br></p> <p>加分项:</p> <p>大数据,数理统计,机器学习,sklearn,高性能,大并发。</p> </div>
参考答案:
re.sub(r"<[^>]*>| |n", "", test_str)
split 根据匹配进行切割字符串,并返回一个列表
需求:切割字符串“info:xiaoZhang 33 shandong”
#coding=utf-8 import re ret = re.split(r":| ","info:xiaoZhang 33 shandong") print(ret)
运行结果:
['info', 'xiaoZhang', '33', 'shandong']
Python里数量词默认是贪婪的(在少数语言里也可能是默认非贪婪),总是尝试匹配尽可能多的字符;
非贪婪则相反,总是尝试匹配尽可能少的字符。
在"*","?","+","{m,n}"后面加上?,使贪婪变成非贪婪。
>>> s="This is a number 234-235-22-423" >>> r=re.match(".+(d+-d+-d+-d+)",s) >>> r.group(1) '4-235-22-423' >>> r=re.match(".+?(d+-d+-d+-d+)",s) >>> r.group(1) '234-235-22-423' >>>
正则表达式模式中使用到通配字,那它在从左到右的顺序求值时,会尽量“抓取”满足匹配最长字符串,在我们上面的例子里面,“.+”会从字符串的启始处抓取满足模式的最长字符,其中包括我们想得到的第一个整型字段的中的大部分,“d+”只需一位字符就可以匹配,所以它匹配了数字“4”,而“.+”则匹配了从字符串起始到这个第一位数字4之前的所有字符。
解决方式:非贪婪操作符“?”,这个操作符可以用在"*","+","?"的后面,要求正则匹配的越少越好。
>>> re.match(r"aa(d+)","aa2343ddd").group(1) '2343' >>> re.match(r"aa(d+?)","aa2343ddd").group(1) '2' >>> re.match(r"aa(d+)ddd","aa2343ddd").group(1) '2343' >>> re.match(r"aa(d+?)ddd","aa2343ddd").group(1) '2343' >>>
练一练
字符串为:
<img data-original="https://rpic.douyucdn.cn/AppCovers/2016/11/13/1213973_201611131917_small.jpg" src="https://rpic.douyucdn.cn/appCovers/2016/11/13/1213973_201611131917_small.jpg" style="display: inline;">
请提取url地址
参考答案
re.search(r"https://.*?.jpg", test_str)
>>> mm = "c:\a\b\c" >>> mm 'c:\a\b\c' >>> print(mm) c:abc >>> re.match("c:\\",mm).group() 'c:\' >>> ret = re.match("c:\\",mm).group() >>> print(ret) c: >>> ret = re.match("c:\\a",mm).group() >>> print(ret) c:a >>> ret = re.match(r"c:\a",mm).group() >>> print(ret) c:a >>> ret = re.match(r"c:a",mm).group() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'NoneType' object has no attribute 'group' >>>
说明
Python中字符串前面加上 r 表示原生字符串,
与大多数编程语言相同,正则表达式里使用"“作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符”",那么使用编程语言表示的正则表达式里将需要4个反斜杠"":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
Python里的原生字符串很好地解决了这个问题,有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观。
>>> ret = re.match(r"c:\a",mm).group() >>> print(ret) c:a