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
龙哥说跨境10 分钟前
如何利用指纹浏览器爬虫绕过Cloudflare的防护?
服务器·网络·python·网络爬虫
小白学大数据26 分钟前
正则表达式在Kotlin中的应用:提取图片链接
开发语言·python·selenium·正则表达式·kotlin
flashman91127 分钟前
python在word中插入图片
python·microsoft·自动化·word
菜鸟的人工智能之路30 分钟前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
懒大王爱吃狼2 小时前
Python教程:python枚举类定义和使用
开发语言·前端·javascript·python·python基础·python编程·python书籍
秃头佛爷3 小时前
Python学习大纲总结及注意事项
开发语言·python·学习
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
API快乐传递者5 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃7 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
丕羽10 小时前
【Pytorch】基本语法
人工智能·pytorch·python