学习正则式（现学现卖）

Posted on 2009-07-16 Edited on 2023-10-05 Word count in article: 2.4k Reading time ≈ 2 mins.

自己一直没有正儿八经的学过正则式，虽知道原理，却一直没有咋用过。近来项目要用。所以只好现学。

首先用python写，建立一个文件。把乱七八糟的字符串往里丢呀。做了一个小实验，感觉与犹未尽。于是随便开了一个网页，找到源码。指定一行，然后写pattern
.

我写的pattern比较简单。因为本来就简单。

比如你想匹配这样一段：

                      <div class="pd-dload">

<a href="/projects/inkscape/files/inkscape/Inkscape-0.47pre0-1.win32.exe/download" mce_href="projects/inkscape/files/inkscape/Inkscape-0.47pre0-1.win32.exe/download" class="button button-dload dload { url: 'http://downloads.sourceforge.net/sourceforge/inkscape/Inkscape-0.47pre0-1.win32.exe' }"  title="Inkscape-0.47pre0-1.win32.exe: 0.47pre0 released on Jul 02 2009"><span><b>Download Now!</b> Inkscape-0.47pre0-1.win32... (36.4 MiB)</span></a><small>OR</small><a href="/projects/inkscape/files/" mce_href="projects/inkscape/files/" class="button button-more"><span>View all files</span></a>
</div>

如果< div class = “pd-dload”

就出现过一次那就很简单。（多次的我还没有遇到，所以没有解决）pattern的最后结尾为

。那么应该是’< div class = “pd-
dload” >XOXOXOXOXOX

'的形式，其中的那段怎么写呢？/w是匹配所有的字符[a-zA-Z0-9_]，那么先用这个< div
class = “pd-dload” >[/w]?

,这里?在python代表最小匹配，例如siisis这样一个串，
如果写<[/w]>为其pattern，其中的>就无法匹配，但是你写<[/w]?>就可将匹配成功。

代码这样写：

import re f = open(‘C://Python31//regular//a.txt’) content = f.read()
print(content) reg = re.compile(“<div class=/“pd-dload/”>[/w]*?”)
print(reg.findall(content))

结果是啥都没有[],现在将[/w]?去掉，变为< div class = “pd-dload” >，是不是可以匹配一部分？哈哈~那就是
说后面的那个写的有问题。仔细看看你的那些字符，其中有可能有各种各样的字符例如/n、空格、：、“、’、.等。其中/s可以匹配很多诸如空格回车之类的符号，然后你
再手工添加其他的符号.添加完毕后，pattern就为：<div class=/“pd-
dload/”>[/s/w|.:=?<>//"////-{}/'()!]?，记住这里////其实就是对/进行匹配。将reg =
re.compile(“”)中的做替换试试。发现还是[].

现在怎么办呢？方法很简单，一步一步的尝试。首先我匹配到：

<div

 class

="pd-dload"

>  
         <a

pattern为<div class=/“pd-
dload/”>[/s/w|.:=?<>//"////-{}/'()!]?<a,然后出来结果了.继续向前找直到 pipmak-0.2.7-windows
.zip，这里会出现问题。我很奇怪的一点是/w可以匹配数字，为什么这里匹配不出来呢？最后想到了匹配这样串的简单方法[/d/D]?，这样就包括了所有的情况.
/d是所有的数字，/d是所有的非数字。合起来就是全部的字符。最后的pattern为： <div class=/“pd-
dload/”>[/d/D]*?

我想应该有更加简单的pattern才对.

如果想知道到某一个匹配的串的中的内容，可以这样写：例如

http://www.alliance3p.com

我希望能够找到 http://www.alliance3p.com，那应该怎么匹配呢？

f = open(‘XXX.txt’) content = f.read() m = re.search(‘<p class=/“pd-
www/”>[/D/d]?<a[/D/d]?>([^"]+)’,content,re.IGNORECASE) print(m.group(1))
f.close()

不过使用re.search就只能找到一行匹配的代码。对于要找到多行匹配的代码，可以使用findall()，然后再自己写代码掐头去尾好了。或者将找到的串在使用
re.search进行匹配。

0%