需求:
正则表达式匹配某个文本模式,但是它找到的是模式的最长可能匹配(因为是贪婪匹配 )。 而你想修改它变成查找最短的可能匹配。
import re text2 = ‘Computer says "no." Phone says "yes."‘ str_pat=re.compile(r‘"(.*)"‘) # 匹配引号包裹的任意文本,并编译 print(str_pat.findall(text2)) #[‘no." Phone says "yes.‘],并不是我们想要的[‘no.‘, ‘yes.‘],由于正则表达式* 匹配0到人一多次,是贪婪匹配 # 解决方式 new_str_pat=re.compile(r‘"(.*?)"‘) print(new_str_pat.findall(text2)) # [‘no.‘, ‘yes.‘]
多行匹配模式
comment = re.compile(r‘/\*(.*?)\*/‘) text1 = ‘/* this is a comment */‘ text2 = ‘‘‘/* this is a multiline comment */ ‘‘‘ print(comment.findall(text1)) # [‘ this is a comment ‘] # [‘ this is a comment ‘] print(comment.findall(text2)) # [] new_comment=re.compile(r‘/\*((?:.|\n)*?)\*/‘) # (?:) 指定非捕获组 不捕获匹配的文本,也不给此组分配组号。 print(new_comment.findall(text2)) # [‘ this is a\nmultiline comment ‘] 定义了一个仅仅用来做匹配,而不能通过单独捕获或者编号的组)。
补充:捕获组和非捕获组
捕获组
什么是捕获呢?使用小括号指定一个子表达式后,匹配这个子表达式的文本(即匹配的内容)可以在表达式或者其他过程中接着用,怎么用呢?至少应该有个指针啥的引用它吧? 对!默认情况下,每个分组(小括号)会自动拥有一个组号,从左到右,以分组的左括号为标志,第一个出现的分组组号为1,后续递增。如果出现嵌套,
(\d+)/(\d+)/(\d+) # group1 group2 group3 取捕获组的值
(?:)(?=)(?<=)非捕获组非捕获组举例子:
# (?:)非捕获组 a = "6000¥ 和 1000$" # 需求是得到金额和货币种类 # 捕获组 print(re.findall(r"(\d+)+([$¥])",a)) # [(‘6000‘, ‘¥‘), (‘1000‘, ‘$‘)] a = "10010.86¥" # 需求是得到金额和货币种类,提炼出 10010 和 ¥ # (?:)非捕获组(),可以理解为只分组而不捕获 print(re.findall(r"(\d+)(?:\.?)(?:\d+)([¥$])$",a)) # [(‘10010‘, ‘¥‘) # 非捕获 (?=)和(?<=) 前后查找,有的资料把它们叫做肯定式向前查找和肯定式向后查找; b="12332aa438aaf" print(re.findall(r"[0-9a-z]{2}(?=aa)",b)) #[‘32‘, ‘38‘] 该正则的意思是 匹配这么一个字符串,它要满足:是两位字符(数字,或字母),且后面紧跟着两个a # 分析:44aa 这个子串满足这个条件,所以可以匹配到,又因为 (?=) 的部分是不捕获的,所以输出的只是 44,不包括aa,后面的同理 # 再深入看一下: # 当str第一次匹配成功输出 32 后,程序要继续向后查找是否还有匹配的其它子串。那么这时应该从 32aa 的后一位开始向后查找,还是从 32 的后一位呢? # 也就是从索引 5 开始还是从 7 开始呢?有人可能想到是从 32aa 的下一位开始往后找, # 因为 32aa 匹配了正则,所以下一位当然是它的后面也就是从 4 开始。但实际上是从 32 的后一位也就是第一个 a 开始往后找。原因还是 (?=) 是非捕获的 # 下面说一下 (?<=) 向前匹配 print(re.findall(r"(?<=aa)[0-9a-z]{2}",b)) # [‘43‘]
原文地址:https://www.cnblogs.com/zzy-9318/p/10457951.html
时间: 2024-10-26 05:39:21