Python 正则

Python 正则

在带有 'r' 前缀的字符串字面值中，反斜杠不必做任何特殊处理。 因此 r"\n" 表示包含 '\' 和 'n' 两个字符的字符串，而 "\n" 则表示只包含一个换行符的字符串。 模式在 Python 代码中通常都使用原始字符串表示法。

1. findall

提取js中定义的变量

def demo1():
    """
    从字符串中提取js变量
    :return:
    """
    test_str = """
    <script>
    var detail_params = {
        aggID: "abcdefg",
        tagAggId: "123456789"
    };
    </script>
    """
    # findall 在字符串中找到正则表达式所匹配的所有子串，并返回一个列表; 如果匹配的字符串非常多, 可以使用finditer, 返回一个迭代器以节省内存
    # \s+ 匹配任意空白字符，至少匹配一次
    # \s* 匹配任意空白字符，0次或多次; 以应对有些情况没有空格或者多个空格的情况
    # .*? 匹配任意字符，0次或多次，非贪婪模式(尽可能少的匹配字符)
    # re.DOTALL 或者 re.S  使 . 匹配包括换行符在内的任意字符(默认不包括换行符)
    detail_params = re.findall(r'var\s+detail_params\s*=\s*(.*?);', test_str, re.S)
    # 键并不是字符串，所以不能直接使用json.loads, 需要使用execjs.eval以js代码解析
    detail_params = execjs.eval(detail_params[0])
    print(detail_params)
    print(detail_params['aggID'])

2. search

提取调用函数中的参数

def demo2():
    test_str = """
    pagenav(66, "/a/b/c/d/")
    """
    # re.search 匹配整个字符串，直到找到一个匹配。 一个匹配对象!, findall是找出所有匹配对象
    # \( 字符串中原本的括号需要转义
    # () 括号内的内容会被分组
    # \d+ 匹配数字，至少匹配一次
    # group(1) 返回第一个括号内的内容，group()/group(0)返回整个匹配的内容
    page = re.search(r'pagenav\((\d+),\s*".*?"\)', test_str).group(1)
    print(page)
    # 匹配两个参数
    # groups() 以元祖形式返回所有括号内的内容
    params = re.search(r'pagenav\((\d+),\s*"(.*?)"\)', test_str).groups()
    print(params)

3. match

正则表达式中的特殊字符需要转义

def demo3():
    str1 = """
    window.ansFrontendGlobals.earlySettings = [{"id": 1, "name": "Tiam"}];
    """
    # re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。
    # 使用 """ 定义字符串时, 前后会有换行符, 所以需要\s*匹配前后的空白字符!!!否则必定匹配失败
    early_settings = re.match(r'\s*window.ansFrontendGlobals.earlySettings = (.*?);\s*', str1)
    print(early_settings.group(1))

    str2 = 'window.ansFrontendGlobals.earlySettings = [{"id": 1, "name": "Tiam"}];'
    early_settings = re.match(r'window.ansFrontendGlobals.earlySettings = (.*?);', str2)
    print(early_settings.groups())

    # 通常使用 re.match 用以判断字符串是否符合正则表达式
    # *, +, ?, |, [, {, ),  需要转义; ", ', ., /, \ 不需要转义
    if es := re.match(
            r'hello there have some special character: "\*\+\?\|\[\{\)\n, they not need escape: "./',
            'hello there have some special character: "*+?|[{)\n, they not need escape: "./'
    ):
        # span() 返回一个元组包含匹配的开始和结束的索引
        print('该字符串符合正则表达式:', es.span())

4. complie sub

合法化 字符串为合法文件名

def demo4():
    """
    替换文件名中的非法字符
    :return:
    """
    # 一个非法文件名
    filename = '?abc/def:ghi>jkm.pdf'
    # re.compile 编译正则表达式，生成一个正则表达式对象, 以便在后面的匹配中复用
    pattern = re.compile(r'[\\/:*?"<>|]')
    # 替换非法字符
    # re.sub 替换所有正则匹配的字符串
    filename = pattern.sub('_', filename)
    print(filename)
    # 还有个问题，文件名中可能包含换行符\n \t 等, 上面的正则表达式无法匹配导致文件名无法创建
    filename = 'I\tam a good boy \n.txt'
    filename = pattern.sub('_', filename)
    print(filename)
    # OSError: [Errno 22] Invalid argument: 'I\tam a good boy \n.txt'
    # with open(filename, 'w') as f:
    #     f.write('Hello, world!')
    # 表达式中添加\n \t即可替换
    filename = re.sub(r'[\\/:*?"<>|\n\t]', '_', filename)
    print(filename)

5. split

def demo5():
    # 分离url中的关键字
    url = 'https://www.renrendoc.com/search.html?q=girls&figure=hot'
    keywords = re.split(r'[:/.?=&]', url)
    print(keywords)

6. escape

转义 pattern 中的特殊字符。

def demo6():
    # 关于转义
    text = 'hello there have some special character: "*+?|[{)\n, they not need escape: "./'
    escape_text = re.escape(text)

    if match := re.match(escape_text, text):
        print('该字符串符合正则表达式:', match.span())
    else:
        print('该字符串不符合正则表达式')

修饰符 - 可选标志

更多标志相关信息: re — 正则表达式操作 — Python 3.13.0 文档

特殊字符类

更多

Python re模块学习:

• 正则表达式指南 — Python 3.13.0 文档
• Python 正则表达式 | 菜鸟教程 (runoob.com)

正则表达式学习:

• Regex Learn - Playground
• regex101: build, test, and debug regex