GVKun编程网logo

Python-提取正则表达式匹配项的一部分（python 正则 提取）

18

在本文中，我们将为您详细介绍Python-提取正则表达式匹配项的一部分的相关知识，并且为您解答关于python正则提取的疑问，此外，我们还会提供一些关于php–正则表达式匹配字符串的一部分、pytho

在本文中，我们将为您详细介绍Python-提取正则表达式匹配项的一部分的相关知识，并且为您解答关于python 正则 提取的疑问，此外，我们还会提供一些关于php – 正则表达式匹配字符串的一部分、python – 正则表达式匹配字符串上的正则表达式匹配返回无、python 正则表达式匹配IP地址、Python 正则表达式匹配中文字符的有用信息。

本文目录一览：

Python-提取正则表达式匹配项的一部分（python 正则 提取）

Python-提取正则表达式匹配项的一部分（python 正则 提取）

我想要一个正则表达式从HTML页面提取标题。目前我有这个：

title = re.search(''<title>.*</title>'', html, re.IGNORECASE).group()if title:    title = title.replace(''<title>'', '''').replace(''</title>'', '''')

是否有一个正则表达式仅提取<title>的内容，所以我不必删除标签？

答案1

小编典典

用( )在正则表达式和group(1)python中检索捕获的字符串（re.search将返回None如果没有找到结果，所以不要用group()直接）：

title_search = re.search(''<title>(.*)</title>'', html, re.IGNORECASE)if title_search:    title = title_search.group(1)

php – 正则表达式匹配字符串的一部分

php – 正则表达式匹配字符串的一部分

我有这种类型的字符串：

为aabbcc-12-00001-g001-1024.png

ddeeffgg-1-50001-i001-500.jpg

ddeeffgg-1-50001-i001.jpg

我想提取没有文件大小的文件名,在文件扩展名之前总是-xxx或-xxxx.

例如,对于三个字符串,我想匹配：

为aabbcc-12-00001-g001.png

ddeeffgg-1-50001-i001.jpg

ddeeffgg-1-50001-i001.jpg

我的想法是先行大小,然后使用preg_replace与PHP,但不知道如何只匹配大小,尝试：

-\d{3,4}\.[a-z]{3}

但这匹配-550.png或-1024.jpg等.

解决方法:

您可以将preg_replace与替换一起使用：

$str = 'aabbcc-12-00001-g001-1024.png';
$result = preg_replace('/(-\d+)(.[A-Z]+)$/i', '$2', $str);
echo $result;

python – 正则表达式匹配字符串上的正则表达式匹配返回无

python – 正则表达式匹配字符串上的正则表达式匹配返回无

参见英文答案 > Python regular expression re.match,why this code does not work?                                    1个
我正在为一个subreddit制作一个小机器人.为此,我从trakt.tv中删除了一些数据.报废后我跑了一点正则表达式 

obituarySecondary = re.match(r"^([\w \,\.\"]+,\d{4} ?- ?\w+ \d+,?\d{4})",obituaryRaw).group(0)

我得到了Nathaniel Fisher,Sr.1943-2000所需的结果

现在我在obituarySecondary上运行了另一个正则表达式

timeline = "\n\n" + re.match(r'(\d{4} ?- ?\d{4})',obituarySecondary).group(0)

但这总是回归.

我在https://regex101.com/上运行了相同的正则表达式以确保我正确处理并且字符串匹配,但不在我的系统上.

解决方法

re.match()只会搜索字符串中的第一项,而是使用re.search()

有关更多详细信息,请查看this StackOverflow问题

python 正则表达式匹配IP地址

python 正则表达式匹配IP地址

一、实验环境

1.Windows7x64_SP1

2.anaconda2.5.0 + python2.7(anaconda集成，不需单独安装)

3.pyinstaller3.0

二、实验目的

从text文本中获取字符串，筛选合法IP地址

2.1 文本内容如下

请输入合法IP地址，非法IP地址和其他字符将被过滤！
增、删、改IP地址后，请保存、关闭记事本！
192.168.8.84
192.168.8.85
192.168.8.86
0.0.0.1
256.1.1.1
192.256.256.256
192.255.255.255
aa.bb.cc.dd

2.2 编写函数读取文本文件，筛选合法IP地址

def get_ip_list(self):
        try:
            file = open(self.smart_ip_list_file, ''r'')
            str = file.readlines()
            str_del_enter = [x.strip(''\n'') for x in str]                                                            #去除\n
            comp = re.compile(r''^((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}'')
            str_legal_ip = [x for x in str_del_enter if comp.match(x)]                                              #筛选合法IP地址
            file.close()
            return str_legal_ip
        except:
            self.ui.textEdit.setText(''读取"%s"报错'' %(self.smart_ip_list_file))
            return []　　

2.3 代码说明

1.从文本文件中读取所有行，除首行外均以\n结束，如下代码用于去除\n

str_del_enter = [x.strip(''\n'') for x in str]

2.IP地址的长度为32位(共有2^32个IP地址)，分为4段，每段8位，用十进制数字表示，每段数字范围为0～255，段与段之间用句点隔开　　

根据规则：每段相同，范围都在 0 ~ 255
0~255 对应的正则表达式为 (2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2}

  • 2(5[0-5]|[0-4]\d) 匹配：200 ~ 255
  • [0-1]?\d{1,2} 匹配：0 ~ 199

0 到 255 的式子已经写出来了，那么一共四段再加上中间的点就很容易了

  • 后边“点”和“数字”重复三次就可以了，(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
  • 全部合起来，((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}

通过如上正则表达式匹配字符串，存在如下问题

256.1.1.1    ->    匹配结果56.1.1.1

 

解决方式，如上表达式前面添加^，最终调用compile函数，参数方式如下

comp = re.compile(r''^((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}'')

　　

　　

Python 正则表达式匹配中文字符

Python 正则表达式匹配中文字符

参照Python正则表达式指南

在使用Python的过程中，由于需求原因，我们经常需要在文本或者网页元素中用Python正则表达式匹配中文，但是我们经常所熟知的正则表达式却只能匹配英文，而对于中文编码却望尘莫及，于是我大量Google，几经Baidu，花了两个多个小时测试，终于发现解决的办法。特记录如下

从字符串的角度来说，中文不如英文整齐、规范，这是不可避免的现实。本文结合网上资料以及个人经验，以 python 语言为例，稍作总结。欢迎补充或挑错。 

通常我们可以使用 repr()函数查看字串的原始格式。这对于写正则表达式有所帮助。 

Python正则表达式的问题

更加详细的Python正则表达式问题，请参见这里http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html

Python 的 re模块有两个相似的函数：re.match(),re.search 。

两个函数的匹配过程完全一致，只是起点不同。

match只从字串的开始位置进行匹配，如果失败，它就此放弃；

而search则会锲而不舍地完全遍历整个字串中所有可能的位置，直到成功地找到一个匹配，或者搜索完字串，以失败告终。

如果你了解match的特性（在某些情况下比较快），大可以自由用它；如果不太清楚，search通常是你需要的那个函数。

从一堆文本中，找出所有可能的匹配，以列表的形式返回，这种情况用findall()这个函数。例子见后面的代码。 

UTF-8与unicode

UTF-8 是变长的，1-6个字节，少数是汉字每个占用3个字节，多数占用4个字节，正则式为[\x80-\xff]{3}，这个都知道了吧。 

unicode下，汉字的格式如\uXXXX，只要找到对应的字符集的范围，就能匹配相应的字串，方便从多语言文本中挑出所需要的某种语言的文本。不过，对于像日文这样的粘着语，既有中文字符，又有平假名片假名，或许结果会有所偏差。 

两种字符类可以并列在一起使用，例如，平假名、片假名、中文的放在一起，u"[\u4e00-\u9fa5\u3040-\u309f\u30a0-\u30ff]+"，来自定义所需要匹配的文本。 

匹配中文时，正则表达式和目标字串的格式必须相同。这一点至关重要。或者都用默认的utf8，此时你不用额外做什么；如果是unicode，就需要在正则式之前加上u""格式。 

可以这样定义unicode字符串：string=u"我爱正则表达式"。如果字串不是unicode的，可以使用unicode()函数转换之。如果你知道源字串的编码，可以使用newstr=unicode(oldstring,original_coding_name)的方式转换，

例如 linux 下常用unicode(string,"utf8")，windows 下或许会用cp936吧

样例

# -*- coding: utf-8 -*-   
import sys  
import re  
reload(sys)  
sys.setdefaultencoding('utf8')  
  
  
s=""" 
            en: Regular expression is a powerful tool for manipulating text.  
            zh: 汉语是世界上最优美的语言，正则表达式是一个很有用的工具 
            jp: 正规表现は非常に役に立つツールテキストを操作することです。  
            jp-char: あアいイうウえエおオ  
            kr:�3�4�8�1 �5�7�6�1�2�8�3�1 �0�1�3�7 �3�9�3�0�6�3 �9�3�7�9 �5�4�2�1�5�7�0�7 �3�5�3�2�6�9�8�9 �7�6�3�0�9�1�9�9.  
            """  
print "原始utf8字符"  
#utf8  
print "--------"  
print repr(s)  
print "--------\n"  
  
#非ansi  
re_words=re.compile(r"[\x80-\xff]+")  
m =  re_words.search(s,0)  
print "非ansi字符"  
print "--------"  
print m  
print m.group()  
print "--------\n"  
  
#unicode  
s = unicode(s)  
print "原始unicode字符"  
print "--------"  
print repr(s)  
print "--------\n"  
  
#unicode chinese  
re_words = re.compile(u"[\u4e00-\u9fa5]+")  
m =  re_words.search(s,0)  
print "unicode 中文"  
print "--------"  
print m  
print m.group()  
res = re.findall(re_words, s)       # 查询出所有的匹配字符串  
if res:  
    print "There are %d parts:\n"% len(res)   
    for r in res:   
        print "\t",r   
        print   
print "--------\n"  
  
  
#unicode korean  
re_words=re.compile(u"[\uac00-\ud7ff]+")  
m =  re_words.search(s,0)  
print "unicode 韩文"  
print "--------"  
print m  
print m.group()  
print "--------\n"  
  
  
#unicode japanese katakana  
re_words=re.compile(u"[\u30a0-\u30ff]+")  
m =  re_words.search(s,0)  
print "unicode 日文 片假名"  
print "--------"  
print m  
print m.group()  
print "--------\n"  
  
  
#unicode japanese hiragana  
re_words=re.compile(u"[\u3040-\u309f]+")  
m =  re_words.search(s,0)  
print "unicode 日文 平假名"  
print "--------"  
print m  
print m.group()  
print "--------\n"  
  
  
#unicode cjk Punctuation  
re_words=re.compile(u"[\u3000-\u303f\ufb00-\ufffd]+")  
m =  re_words.search(s,0)  
print "unicode 标点符号"  
print "--------"  
print m  
print m.group()  
print "--------\n"

几种主要非英文字符集的编码范围

下面是Google出现的几种主要非英文字符集的编码范围

主要非英文语系字符范围

范围 编码 说明
2E80~33FFh 中日韩符号区 收容康熙字典部首、中日韩辅助部首、注音符号、日本假名、韩文音符，中日韩的符号、标点、带圈或带括符文数字、月份，以及日本的假名组合、单位、年号、月份、日期、时间等。
3400~4DFFh 中日韩认同文字扩充A区 中日韩认同表意文字扩充A区，总计收容6,582个中日韩汉字。
4E00~9FFFh 中日韩认同表意文字区 中日韩认同表意文字区，总计收容20,902个中日韩汉字。
A000~A4FFh 彝族文字区 收容中国南方彝族文字和字根
AC00~D7FFh 韩文拼音组合字区 收容以韩文音符拼成的文字
F900~FAFFh 中日韩兼容表意文字区 总计收容302个中日韩汉字
FB00~FFFDh 文字表现形式区 收容组合拉丁文字、希伯来文、阿拉伯文、中日韩直式标点、小符号、半角符号、全角符号等。

比如需要匹配所有中日韩非符号字符,那么正则表达式应该是^[\u3400-\u9FFF]+$

理论上没错,可是我到msn.co.ko随便复制了个韩文下来,发现根本不对,诡异

再到msn.co.jp复制了个’お’,也不得行..

然后把范围扩大到^[\u2E80-\u9FFF]+$,这样倒是都通过了,这个应该就是匹配中日韩文字的正则表达式了,包括我们台湾省还在盲目使用的繁体中文

而关于中文的正则表达式,应该是^[\u4E00-\u9FFF]+$,和论坛里常被人提起的^[\u4E00-\u9FA5]+$很接近

需要注意的是论坛里说的^[\u4E00-\u9FA5]+$这是专门用于匹配简体中文的正则表达式,实际上繁体字也在里面,我用测试器测试了下’中华人民共和国’,也通过了,当然,^[\u4E00-\u9FFF]+$也是一样的结果。

样例2

那么我们很多时候如果要匹配的内容如果既有中文也有英文，比如我们要匹配一个可以由中文字母以及一些其他字符组成的标题，该怎么写呢，我么接着看下面的代码

#!coding:utf-8  
  
import re  
import sys  
  
  
  
# 测试匹配中文信息  
def TestReChinese( ):  
    source  =   u"        数据结构模版----单链表SimpleLinkList[带头结点&&面向对象设计思想](C语言实现)"  
    temp    =   source.decode('utf8')  
    print "同时匹配中文英文"  
    print "--------------------------"  
    xx      =   u"([\w\W\u4e00-\u9fff]+)"  
    pattern =   re.compile(xx)  
    results =   pattern.findall(temp)  
    for result in results:  
        print result  
    print "--------------------------"  
    print   
    print   
    print "只匹配中文"  
    print "--------------------------"  
    xx      =   u"([\u4e00-\u9fff]+)"  
    pattern =   re.compile(xx)  
    results =   pattern.findall(temp)  
  
    for result in results:  
        print result  
    print "--------------------------"  
  
if __name__ == "__main__" :  
    # 测试正则表达式  
  
    reload(sys)  
    sys.setdefaultencoding("utf-8")  
  
    TestReChinese( )

原文：http://blog.csdn.net/gatieme/article/details/43235791

http://blog.csdn.net/gatieme/article/details/43275077


关于Python-提取正则表达式匹配项的一部分和python 正则 提取的介绍现已完结，谢谢您的耐心阅读，如果想了解更多关于php – 正则表达式匹配字符串的一部分、python – 正则表达式匹配字符串上的正则表达式匹配返回无、python 正则表达式匹配IP地址、Python 正则表达式匹配中文字符的相关知识，请在本站寻找。

本文标签：

上一篇Python中'self'一词的目的是什么？（self在python中指什么）

下一篇在Nimbus LaF中更改JButton的默认键值

相关文章