正则表达式简记

正则表达式简记

一、查找开头子串与结尾子串

正则表达式中以^字符表示待查找子串位于字符串开头位置,以$字符表示待查找子串位于字符串结尾位置,示例代码如下:

python 复制代码
import re

s1 = "100_string_1"
pattern01 = r'^\d+'#查找以一位及以上数字开头的子串
pattern02 = r'\d+$'#查找以一位及以上数字结尾的子串
match01 = re.search(pattern01, s1)
sub_str01 = match01.group()#输出如下
'100'
start01 = match01.start()#输出如下
0
end01 = match01.end()#输出如下
3

match02 = re.search(pattern02, s1)
sub_str02 = match02.group()#输出如下
'1'
start02 = match02.start()#输出如下
11
end02 = match02.end()#输出如下
12

正则表达式以[^]表示匹配不包含在方括号内的字符,注意不要发生混淆。

二、分组匹配替换字符串

当查找的子串模式由多个模式组成,而想要对其中的某个模式子串进行局部替换或对模式子串进行重新排列,就需要进行分组匹配替换,示例代码如下:

python 复制代码
import re

s1 = "100_string_1"
pattern01 = r'^(\d+)_([a-z]+)_(\d+)'
s2 = re.sub(pattern01, r'\2_\1_\3', s1)#重新排列,输出如下
'string_100_1'

s3 = re.sub(pattern01, r'\1_\2_a', s1)#对第三个模式子串进行替换,输出如下
'100_string_a'

三、查找嵌套字符串

使用正则表达式查找字符串时,会尽可能多地查找符合条件的字符串,即使用贪婪模式进行匹配,在这种模式背景下如果待查找的子串内部包含子串的部分特征模式,就无法单纯地通过正则表达式进行查找。

例如在html文件中查找一个div标签,目标div标签以< div class='class01'>开始,以< /div>结束,但其内部可能嵌套着其他div标签,实现查找的示例代码如下:

python 复制代码
import re

def search_position_of_nested_DivElement(html_txt):
    dest_substr = '<div class="class01">'
    dest_substr_startIndex = html_txt.find(dest_substr)
    dest_substr_endIndex = -1
    if dest_substr_startIndex > -1:
        pos = dest_substr_startIndex + len(dest_substr)
        pattern_startDiv = re.compile(r'<div[^<>]*>')
        pattern_endDiv = re.compile(r'</div>')
        startDiv_index = 0
        endDiv_index = 0
        startDiv_match = None
        endDiv_match = None
        while True:
            startDiv_match = pattern_startDiv.search(html_txt, pos)
            endDiv_match = pattern_endDiv.search(html_txt, pos)
            if not startDiv_match:
                if not endDiv_match:
                    break
                else:
                    dest_substr_endIndex = endDiv_match.end()
                    break
            
            if not endDiv_match:
                break
            
            startDiv_index = startDiv_match.start()
            endDiv_index = endDiv_match.start()
            if startDiv_index < endDiv_index:
                pos = endDiv_match.end()
            else:
                dest_substr_endIndex = endDiv_match.end()
                break
        
        if dest_substr_endIndex > -1:
            return (True, dest_substr_startIndex, dest_substr_endIndex)
        else:
            return (True, -1, -1)
    else:
        return (False, -1, -1)

上述代码的实现原理是逐一搜索排除目标div包含的其他div标签,最终找到目标div标签的结尾标识,而后返回目标的开始和结尾位置。

相关推荐
2301_8050545631 分钟前
Python训练营打卡Day59(2025.7.3)
开发语言·python
万千思绪1 小时前
【PyCharm 2025.1.2配置debug】
ide·python·pycharm
微风粼粼2 小时前
程序员在线接单
java·jvm·后端·python·eclipse·tomcat·dubbo
云天徽上3 小时前
【PaddleOCR】OCR表格识别数据集介绍,包含PubTabNet、好未来表格识别、WTW中文场景表格等数据,持续更新中......
python·ocr·文字识别·表格识别·paddleocr·pp-ocrv5
你怎么知道我是队长3 小时前
python-input内置函数
开发语言·python
叹一曲当时只道是寻常3 小时前
Python实现优雅的目录结构打印工具
python
hbwhmama4 小时前
python高级变量XIII
python
费弗里5 小时前
Python全栈应用开发利器Dash 3.x新版本介绍(3)
python·dash
dme.5 小时前
Javascript之DOM操作
开发语言·javascript·爬虫·python·ecmascript
加油吧zkf5 小时前
AI大模型如何重塑软件开发流程?——结合目标检测的深度实践与代码示例
开发语言·图像处理·人工智能·python·yolo