Python实战之正则表达式_python 识别一句话中含有人名和歌名

常用匹配规则

常用匹配方法

1.match()

在match（）方法中，第一个参数传入正则表达式，第二个参数传入要匹配的的内容。从打印结果中可以看出，输出了re_Match对象，该对象有两个方法，group（）方法可以输出匹配到的内容，span（）方法输出匹配的范围。

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello\s\d\d\d\s\d{4}\s\w{10}',content)
print(len(content))
print(result)
print(result.span())
print(result.group())
1
2
3
4
5
6
7
8

结果:
41
<re.Match object; span=(0, 25), match=‘Hello 123 4567 World_This’>
(0, 25)
Hello 123 4567 World_This

1.1匹配目标

如上我们用match（）方法得到匹配的内容，可以用（）将想要的字符提取出来，（）标记了一个子表达式的开始和结束位置，被标记的每个表达式会对应每一个分组，调用group（）方法传入分组的引索就能获取提前到的结果。

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^Hello\s(\d+)\sWorld',content)

print(len(content))
print(result)
print(result.span())
print(result.group(1))

1
2
3
4
5
6
7
8
9
10

结果：
40
<re.Match object; span=(0, 19), match=‘Hello 1234567 World’>
(0, 19)
123456

1.2通用匹配

.（点）可以匹配任意的字符，*（星）代表匹配前面字符的无限次，因为可以将其组合匹配任意的字符。

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^Hello.*Demo',content)

print(result)
print(result.span())
print(result.group())
1
2
3
4
5
6
7
8

结果：
<re.Match object; span=(0, 41), match=‘Hello 123 4567 World_This is a Regex Demo’>
(0, 41)
Hello 123 4567 World_This is a Regex Demo

1.3贪婪与非贪婪

贪婪：尽可能匹配多的内容

import re

content = 'Hello 123 4567 World_This is a Regex Demo'
result = re.match('^He.*(\d+).*Demo$',content)

print(result)
print(result.group(1))
1
2
3
4
5
6
7

结果：
<re.Match object; span=(0, 41), match=‘Hello 123 4567 World_This is a Regex Demo’>
7
非贪婪：尽可能匹配少的内容

import re

content = 'Hello 1234567 World_This is a Regex Demo'
result = re.match('^He.*?(\d+).*Demo$',content)

print(result)
print(result.group(1))

1
2
3
4
5
6
7
8

结果
<re.Match object; span=(0, 40), match=‘Hello 1234567 World_This is a Regex Demo’>
1234567

注意：

如果匹配的结果是字符串的结尾，.*?就有可能匹配不到任何内容，因为它会尽可能的匹配更加少的内容。

import re

content = 'Hello 1234567 World_This is a Regex/Demo'
result1 = re.match('^.*?Regex/(.*?)',content)
result2 = re.match('^.*?Regex/(.*)',content)
print('result1',result1.group(1))
print('result2',result2.group(1))
1
2
3
4
5
6
7

结果：
result1
result2 Demo

1.4修饰符

import re

content = '''Hello 1234567 World_Thisis
a Regex Demo
'''
result = re.match('^He.*?(\d+).*?Demo$',content,re.S)
print(result.group(1))

1
2
3
4
5
6
7
8

结果：
1234567

1.5转义匹配

import re

content = '(百度)www.baidu.com'

result = re.match('\(百度\)www\.baidu\.com',content)
print(result)

1
2
3
4
5
6
7

结果：
<re.Match object; span=(0, 17), match=’(百度)www.baidu.com’

2.search()

2.1用search（）方法可以不用从头开始进行匹配：

import re

content = 'Extra stings Hello 1234567 World_This is a Regex Demo Extra stings'

result = re.search('Hello.*?(\d+).*?Demo ',content)
print(result.group(1))

1
2
3
4
5
6
7

结果：
1234567

2.2 提取歌手和歌名(此方法只返回匹配表达式的第一个内容)

import re

html ="""
<div id="song-list">
    <h2 class="title">经典老歌</h2>
    <p class="inrtoduction">
    经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-veiw="7">
            <a href="2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-veiw="5">
            <a href="6.mp3" singer="邓丽君">但愿人长久</a>
        </li>
    </ul>
</div>
"""
result = re.search('<li.*?active.*?singer="(.*?)">(.*?)</a>',html,re.S)
print(result.group(1),result.group(2))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果：
齐秦 往事随风

3.findall()

此方法可以返回匹配正则表达式的所有内容：

import re

html ="""
<div id="song-list">
    <h2 class="title">经典老歌</h2>
    <p class="inrtoduction">
    经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-veiw="7">
            <a href="2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-veiw="5">
            <a href="6.mp3" singer="邓丽君">但愿人长久</a>
        </li>
    </ul>
</div>
"""
results = re.findall('<li.*?href="(.*?)".*?singer="(.*?)">(.*?)</a>',html,re.S)
print(results)
print(type(results))
for result in results:
    print(result)
    print(result[0],result[1],result[2])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

结果：
[(‘2.mp3’, ‘任贤齐’, ‘沧海一声笑’), (‘3.mp3’, ‘齐秦’, ‘往事随风’), (‘4.mp3’, ‘beyond’, ‘光辉岁月’), (‘5.mp3’, ‘陈慧琳’, ‘记事本’), (‘6.mp3’, ‘邓丽君’, ‘但愿人长久’)]
<class ‘list’>
(‘2.mp3’, ‘任贤齐’, ‘沧海一声笑’)
2.mp3 任贤齐 沧海一声笑
(‘3.mp3’, ‘齐秦’, ‘往事随风’)
3.mp3 齐秦 往事随风
(‘4.mp3’, ‘beyond’, ‘光辉岁月’)
4.mp3 beyond 光辉岁月
(‘5.mp3’, ‘陈慧琳’, ‘记事本’)
5.mp3 陈慧琳 记事本
(‘6.mp3’, ‘邓丽君’, ‘但愿人长久’)
6.mp3 邓丽君 但愿人长久

4.sub()

将第一个参数传入\d+来匹配所有的数字，第二个参数为替换的字符串（可以为空）

import re

content = '45jjjkfd8Jjfs99FDSjffs2f24fFF'
content = re.sub('\d+','sa',content)
print(content)
1
2
3
4
5

结果：
sajjjkfdsaJjfssaFDSjffssafsafFF

如果需要替换的字符是原字符串本身或者包含原字符串，需要加\1：

import re
content = 'Edeej stifn Hello 1233 WIE strings'
content = re.sub('(\d+)',r'\1 678',content)
print(content)

1
2
3
4
5

结果：
Edeej stifn Hello 1233 678 WIE strings

提取所有歌名方法1：

import re

html ="""
<div id="song-list">
    <h2 class="title">经典老歌</h2>
    <p class="inrtoduction">
    经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-veiw="7">
            <a href="2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-veiw="5">
            <a href="6.mp3" singer="邓丽君">但愿人长久</a>
        </li>
    </ul>
</div>
"""
results = re.findall('<li.*?>\s*?(<a.*?>)?(\w+)(</a>)?\s*?</li>',html,re.S)
for result in results:
    # print(result[0],result[1],result[2])
    print(result[1])

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

结果：
一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

提取所有歌名方法2：

import re

html ="""
<div id="song-list">
    <h2 class="title">经典老歌</h2>
    <p class="inrtoduction">
    经典老歌列表
    </p>
    <ul id="list" class="list-group">
        <li data-view="2">一路上有你</li>
        <li data-veiw="7">
            <a href="2.mp3" singer="任贤齐">沧海一声笑</a>
        </li>
        <li data-view="4" class="active">
            <a href="3.mp3" singer="齐秦">往事随风</a>
        </li>
        <li data-view="6"><a href="4.mp3" singer="beyond">光辉岁月</a></li>
        <li data-view="5"><a href="5.mp3" singer="陈慧琳">记事本</a></li>
        <li data-veiw="5">
            <a href="6.mp3" singer="邓丽君">但愿人长久</a>
        </li>
    </ul>
</div>
"""
html = re.sub('<a.*?>|</a>','',html,re.S)
results = re.findall('<li.*?>(.*?)</li>',html,re.S)
for result in results:
    print(result.strip())
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

结果：
一路上有你
沧海一声笑
往事随风
光辉岁月
记事本
但愿人长久

5.compile()

可以将正则字符串编译成正则表达式对象，以便在后面的匹配中复用，compile()还可以传入修饰符，例如re.S等修饰符，这样在search()、findall()等方法中就不需要额外传了。因此compile()方法可以说是给正则表达式做了一层封装，以便我们更好地复用。

import re

content1 = '2020-6-15 12:00'
content2 = '2020-6-17 12:55'
content3 = '2020-6-22 13:21'
pattern = re.compile('\d{2}:\d{2}')
result1 = re.sub(pattern, '', content1)
result2 = re.sub(pattern, '', content2)
result3 = re.sub(pattern, '', content3)
print(result1)
print(result2)
print(result3)
1
2
3
4
5
6
7
8
9
10
11
12

结果：
2020-6-15
2020-6-17
2020-6-22

复用：

import re

content = '''Hello 1234567 World_This
is a Regex Demo'''
pattern = re.compile('Hello.*Demo',re.S)
result1 = re.match(pattern,content)
result2 = re.match('Hello.*Demo',content,re.S)
print(result1)
print(result2)
1
2
3
4
5
6
7
8
9

结果：
<re.Match object; span=(0, 40), match=‘Hello 1234567 World_This\nis a Regex Demo’>
<re.Match object; span=(0, 40), match=‘Hello 1234567 World_This\nis a Regex Demo’>