python 正则表达式如何实现重叠匹配

我们从自然手上收到的最大礼物就是生命。我必须拼命的奔跑我知道有很多人等着看我狼狈跌倒的下场嘲笑我不自量力

正则表达式实现重叠匹配

import regex
string = '100101010001'
str_re = '101'
print(regex.findall(str_re, string, overlapped=True))

普通的re库匹配,只能匹配一个’101’。

正则表达式与正则匹配

正则表达式

正则表达式可理解为对数据筛选的表达式,是有限个原子和元字符组成。

原子:基本组成单位,每个表达式至少有一个原子

普通字符组成原子

非打印字符组成原子

(不打印在输出台的字符)

\n:换行

\t:tab退格符

通用字符组成原子

\w:匹配任意字母、数字、下划线

\W:与\w相反

\d:匹配任意十进制数

\D:与\d相反

\s:匹配任意空白字符,如空格、换行、缩进

\S:与\s相反

原子表组成原子

一组原子组成一个表,由[]声明

表内原子优先级相等,但内容只出现依次

若原子表以 ^ 开头,则表示取反

#普通字符组成原子
pat1 = "abcd"
 
#非打印字符组成原子
pat2 = "\n"
 
#通用字符做原子
pat3 = "\w"
 
#原子表组成原子
pat4 = "py[abc]"
#可以匹配pya,pyb,pyc,但匹配pyab等原子表重复出现的情况失败
 
#原子表开头带 ^ 表示取反
pat5 = "py[^abc]"
#第三个位置匹配除了a,b,c外的任意一个字符

元字符:正则表达式中具有特殊含义的字符

.匹配任意字符,除了换行符
^匹配字符串开始的位置
$匹配字符串结束的位置,当出现多组符合的匹配时,返回字符串最后的那组匹配
*匹配 0,1,n 次前面的原子【贪婪模式:尽可能多的匹配】
?匹配 0,1 次前面的原子【懒惰模式:精确匹配】
+匹配 1,n 次前面的原子
{ j }前面的原子出现 j 次
{ j , }前面的原子至少出现 j 次
{ j , k }前面的原子至少出现 j 次,至多出现 k 次
i | j匹配 i 或 j ,若 i 与 j 同时出现,匹配 i
( )组,限制这组数据的组合如()内所描述一样,只返回符合括号内描述的内容

模式修正符

即函数中 flag 位置的参数,在不改变正则表达式的情况下改变其含义,调整匹配结果。

re.I匹配时忽略大小写
re.M多行匹配
re.L本地化识别匹配
re.U根据unicon字符匹配,影响\w \W
re.S匹配包括换行符

正则匹配

正则表达式是对字符串进行模糊匹配,其中一个应用为正则匹配。正则匹配是python爬虫的一个使用技术,用于在爬取的文本信息中提取目标信息。

正则匹配常用的函数:(调用正则表达式模块re)

  • re.search(pat, str[, flag]):扫描字符串str,返回pat的位置(第一次成功匹配的),flag用于控制正则表达式的匹配方式
import re
str = 'python'
pat = 'pytho[a-n]'
print(re.search(pat, str))
  • re.match(pat, str[, flag]):扫描字符串str开始的位置,返回pat的位置(第一次成功匹配的),flag用于控制正则表达式的匹配方式【若开始就不符合则结束,返回none】
import re
str_1 = 'hello world'
str_2 = 'world hello'
pat = 'world'
print(re.match(pat, str_1))
print(re.match(pat, str_2))
  • re.complie(pat[, flag]):编译正则表达式pat,返回正则表达式对象
  • findall(str[, pos[, endpos]]):匹配所有,用列表返回string中所有匹配到的子串【不止第一次】,pos和endpos可指定在string中的起始位置
  • re.complie(pat).findall(str):全局匹配函数,匹配str中所有符合pat的子串,装入一个列表返回结果
import re
str = "hello world hello world hello world"
pat = "hello"
print(re.complie(pat).findall(str))
print(re.complie(pat).findall(str, 5, 15))
  • re.sub(pat, repl, str[, count[, flag]]):替换字符串中的匹配项【清洗数据】,可用count指定最大替换次数
import re
str = "400-823-823"
pat = "-"
#短横改空格,最大替换次数2
str_new = re.sub(pat, " ", str, count=2)

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。

您可能有感兴趣的文章
python 如何实现跳过异常继续执行

python 爬虫如何实现百度翻译

Python爬虫好代码教程之利用正则表达式匹配网页内容

Python字符串和正则表达式中的反斜杠('\')问题详解

Python爬虫运用正则表达式的方法和优缺点