Python正则表达式语法补充

基于上次写的博客:https://www.imooc.com/search/article?words=迷之语法
补充两个初学时容易遗漏，但是对于实际应用Regex特别重要的知识点。

.* ：匹配任意字符的任意次(可用于过滤掉无关的文字)

？:非贪婪匹配

下面看几个Demo：

import re
line = "boooooobby123"
regex_str = ".*(b.*b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(0))
	print (match_obj.group(1))

结果:
boooooobbbby123
bb

import re
line = "boooooobby123"
regex_str = ".*?(b.*b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(0))
	print (match_obj.group(1))
	

结果:
boooooobby123
boooooobb

line = "booooooby123"
regex_str = ".*?(b.*b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(0))
	print (match_obj.group(1))
	

结果:
boooooobby123
boooooob
结果和贪婪算法有关，贪婪算法同时从两个方向(左，右)看匹配结果

取消贪婪的方式，匹配到第一个b就返回:

import re
line = "boooooobbbby123"
regex_str = ".*?(b.*?b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(0))
	print (match_obj.group(1))

结果：
boooooobbbby123
boooooob

import re
line = "boooooobbbby123"
regex_str = ".*?(b.*b)?.*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(0))
	print (match_obj.group(1))

结果:
boooooobbbby123
boooooobbbb

import re
line = "boooooobbbby123"
regex_str = ".*?(b.*b?).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(1))

结果：boooooobbbby123

贪婪的思想：把满足匹配条件的字符串逐个都匹配一遍，返回最后一次匹配的结果

• 举例:

import re
line = "boooooobbbby123"
regex_str = ".*(b.+b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(1))

结果:bbb （因为最后一个满足条件的字符串是bbb）

import re
line = "boooooobbbbbaby123"
regex_str = ".*(b.+b).*"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(1))

结果:bab （因为最后一个满足条件的字符串是bab,前一个满足条件的字符串是bbb）

中括号[ ]三大用途:

1.表示’或’关系，满足其中条件之一就能匹配成功
2.定义区间[0-9] ,{ }:定义出现次数， 比如：\d{1,2} 出现1~2个数字,可以匹配日期中的月份,如’06’和’6’
3.取消特殊含义的字符(小数点等)代表的意义,比如[. ]中的小数点，不再代表"匹配任意字符，除了换行符",
而代表单纯的小数点(可以用代码验证一下)

提取汉字:[\u4E00-\u9FA5]

import re
line = "study in 南京大学"
regex_str = ".*([\u4E00-\u9FA5]+大学)"
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(1))

结果:京大学
出现上面结果的原因：受到了贪婪匹配的影响，匹配的第一个结果是"南"，第二个结果是"京"，
返回最后一个结果"京"，在条件的前面加一个"?"，取消贪婪

import re
line = "study in 南京大学"
regex_str = ".*?([\u4E00-\u9FA5]+大学)"
#.*的作用:忽视掉前面的字符
match_obj = re.match(regex_str,line)
if match_obj:
	print (match_obj.group(1))

结果:南京大学

参考教程：https://coding.imooc.com/lesson/92.html#mid=2844