python正则基础入门篇-2

s=‘<div><a href="https//support.google.com/chrome/?p=ui_hotword_search" target="_blank">更多</a><p>dfsl</p></div>‘
pattern1 = re.search(r‘<a.*>(\w+)</a>‘,s).group()
pattern2 = re.search(r‘<a.*>(\w+)</a>‘,s).group(0)
pattern3 = re.search(r‘<a.*>(\w+)</a>‘,s).group(1)
pattern4 = re.search(r‘<a.*>(\w+)</a>‘,s).groups()
print(pattern1)
print(pattern2)
print(pattern3)
print(pattern4)

#这里对应group(),默认会打印整个正则表达式
<a href="https//support.google.com/chrome/?p=ui_hotword_search" target="_blank">更多</a>
#这里对应group(0), 跟group()相同，都是打印整个正则
<a href="https//support.google.com/chrome/?p=ui_hotword_search" target="_blank">更多</a>
#这个就是分组1匹配到的内容
更多
#对应groups(),这个是将整个分组匹配到的内容输出成元组形式
(‘更多‘,)

#自定义了一个“G”的组
matcher = re.search(r"ip=‘(?P<G>\d+\.\d+\.\d+\.\d+).*",s)
#直接定位匹配
print(matcher.group(‘G‘))
#out
230.192.168.78

#利用交换字符串位置
s1 = "abc.def"
sb = re.sub(r‘(\w+)\.(.*)‘,r‘\2.\1‘,s1)
print(sb)

#利用分组后向引用,这样就可以直接在后面用\number引用，无需书写完整分组内容
#首先模拟不用后向引用
s2 = ‘go go go‘
pattern = r‘(?P<name>\w+)\s+(?P=name)\s+(?P=name)‘
mat = re.search(pattern,s2)
print(mat.group(‘name‘))
print(mat.group(1))
# print(mat.group(2)) # 报错，因为只定义了一个组，后面是引用定义的，并没有新增
# print(mat.group(3)) # 同理
print(mat.groups())　 # 将匹配到的分组结果输出成一个元祖
print(mat.group(0))  # 这个不解释了，打印整个r‘表达式‘

pattern1 = r‘(?P<new>.+)\s\1\s\1‘
mat2 = re.search(pattern1,s2)
print(mat2.groups())  #输出匹配的所有组
print(mat2.group())   #输出整个正则表达式Regular_expression
#output 输出结果很明显得到了，组的结果和整个正则
(‘go‘,)  
go go go

# 这里对长字符串中文本进行提取，前后定向正则规定在这个范围内匹配  
s = "/* hi! */this is girl /* shi is beautiful */ she have 168 cm"
partten =  r‘(?<=/\*).*(?=\*/)‘  # 这里必须加上"?"，否则会贪婪模式多匹配，无视前向断言。
print(re.findall(partten,s))
...
# output  贪婪
[‘ hi! */this is girl /* shi is beautiful ‘]  

# output2 惰性
[‘ hi! ‘, ‘ shi is beautiful ‘]

--前后否定断言，基本格式: 前否(?! = patt) 后否 (?<!)

学习下：

#后否定断言实例，获取除了".txt"结尾的文件集
#这里用到了后向否定断言，否定结尾字符非txt。
f1 = ‘aaa.txt‘
partten = r‘.*\..*$(?<!txt$)‘
print(re.findall(partten,f1)   )
#output  因为f1是txt结尾，所以没有匹配到，返回空列表
[]

#前向否定断言匹配 开头非数字的文件集
f1 = ‘aaa.txt‘
# "?!"表示非,"\d+"表示至少一个数字,^()表示以之前的规则开头,整体理解:文件开头一个数字都没有的文件集
print(re.findall(r‘^(?!\d+).*‘,‘1word.txt‘)) #这里"1"打头自然符合了前非的规则,被排除
print(re.findall(r‘^(?!\d*).*‘,f1)) #这里区别于"+","*"至少0个数字,由于f1是字母开头(没有数字正好是0),被前否排除
print(re.findall(r‘^(?!\d+).*‘,f1)) #这里区别于"*","+"至少一个数字,加前否成一个数字都没有的文件名,对应下面输出
#out 发现三个结果,值得仔细思考下
[]          
[]
[‘aaa.txt‘]

  前后向否定断言确实有点绕，很烧脑，可能是本人逻辑思维能力问题，但是可以大致这样理解，就是前后否定断言总体逻辑是 排除partten，就是除了的意思。可以这么理解。

# 提取不以数字开头和py结尾的文件
n = ‘test.py‘
m = ‘test.txt‘
print(re.findall(r‘^(?!\d+).+\..*$(?<!py$)‘,n))
#output  由于前后断言必须满足才会输出,但是前向满足,后向不满足,因为py被后向排除
[]
print(re.findall(r‘^(?!\d+).+\..*$(?<!py$)‘,m))
#out 很明显,前向否定断言否定至少有一个数字开头的文件,后否否定py结尾,test.txt都不包括,所以被匹配到
[‘test.txt‘]

整个断言分组基础就这么多内容，后续会对更复杂的断言进行练习。

参考：https://www.cnblogs.com/misswjr/p/9852574.html