python爬虫
直播中

mushenmu

3年用户 732经验值
擅长:可编程逻辑
私信 关注
[经验]

python正则表达式数量词

这部分理解一下数量词,为什么要用数量词,想想都知道,如果你要匹配几十上百的字符时,难道你要一个一个的写,所以就出现了数量词。数量词的词法是:{min,max} 。min 和 max 都是非负整数。如果逗号有而 max 被忽略了,则 max 没有限制。如果逗号和 max 都被忽略了,则重复 min 次。比如,b[1-9][0-9]{3}b,匹配的是 1000 ~ 9999 之间的数字( “b” 表示单词边界),而 b[1-9][0-9]{2,4}b,匹配的是一个在 100 ~ 99999 之间的数字。
下面看一个实例,匹配出字符串中 4 到 7 个字母的英文
  1. import re

  2. a = 'java*&39android##@@python'

  3. # 数量词

  4. findall = re.findall('[a-z]{4,7}', a)
  5. print(findall)
输出结果:
  1. ['java', 'android', 'python']
注意,这里有贪婪和非贪婪之分。那么我们先看下相关的概念:
贪婪模式:它的特性是一次性地读入整个字符串,如果不匹配就吐掉最右边的一个字符再匹配,直到找到匹配的字符串或字符串的长度为 0 为止。它的宗旨是读尽可能多的字符,所以当读到第一个匹配时就立刻返回。
懒惰模式:它的特性是从字符串的左边开始,试图不读入字符串中的字符进行匹配,失败,则多读一个字符,再匹配,如此循环,当找到一个匹配时会返回该匹配的字符串,然后再次进行匹配直到字符串结束。
上面例子中的就是贪婪的,如果要使用非贪婪,也就是懒惰模式,怎么呢?
如果要使用非贪婪,则加一个 ? ,上面的例子修改如下:
  1. import re

  2. a = 'java*&39android##@@python'

  3. # 贪婪与非贪婪

  4. re_findall = re.findall('[a-z]{4,7}?', a)
  5. print(re_findall)
输出结果如下:
  1. ['java', 'andr', 'pyth']
从输出的结果可以看出,android 只打印除了 andr ,Python 只打印除了 pyth ,因为这里使用的是懒惰模式。
当然,还有一些特殊字符也是可以表示数量的,比如:
?:告诉引擎匹配前导字符 0 次或 1 次
+:告诉引擎匹配前导字符 1 次或多次
*:告诉引擎匹配前导字符 0 次或多次
把这部分的知识点总结一下,就是下面这个表了:
贪 婪惰 性描 述
???零次或一次出现,等价于{0,1}
++?一次或多次出现 ,等价于{1,}
**?零次或多次出现 ,等价于{0,}
{n}{n}?恰好 n 次出现
{n,m}{n,m}?至少 n 次枝多 m 次出现
{n,}{n,}?至少 n 次出现

更多回帖

发帖
×
20
完善资料,
赚取积分