正则表达式补充——python
简介
本章是对前面正则表达式的补充。
一、复杂的查找替换等任务
content = ''' 张三是脑卒中病
李四，是高血脂
苏齐，是肺结核病
六六，是血血血血'''
import re
p = re.compile(r'...病')
for one in p.findall(content):
print(one)运行结果：
代码分析：
-
r'...病'是一个原始字符串正则表达式模式 -
.在正则中表示任意单个字符（除换行符） -
三个连续的
.表示匹配任意三个字符 -
最后的
病是字面匹配 -
整体模式匹配：四个字符的组合，前三个是任意字符，第四个必须是"病"。
二、贪婪模式与非贪婪模式
1、贪婪模式
content = '<html><head>hello</head><title>Title</title></html>'
import re
p = re.compile(r'<.*>')
for one in p.findall(content):
print(one)运行结果：
代码分析：
1. 正则表达式 <.*> 分解：
-
<匹配标签开始的左尖括号 -
.*贪婪模式：匹配任意字符（尽可能多，直到最后一个>） -
>匹配标签结束的右尖括号
2. 匹配过程演示：
输入字符串：
<html><head>hello</head><title>Title</title></html>匹配过程：
-
找到第一个
<→ 位置0 -
贪婪匹配
.*→ 直接跳到字符串末尾 -
反向回溯找到最后一个
>→ 位置47 -
最终匹配整个字符串：
<html>...</html>
2、非贪婪模式
content = '<html><head>hello</head><title>Title</title></html>'
import re
p = re.compile(r'<.*?>')
for one in p.findall(content):
print(one)运行结果：
代码分析:
-
正则表达式
r'<.*?>'分解：-
<匹配标签开始的左尖括号 -
.*?非贪婪模式，匹配任意字符（尽可能少） -
>匹配标签结束的右尖括号
-
-
非贪婪匹配
?的关键作用：
如果没有问号<.*>会匹配从第一个<到最后一个>的整个内容（贪婪匹配），但因为加了?，它会匹配最短可能的片段，即逐个匹配每个标签。
| 正则表达式 | 模式 | 结果 | 适用场景 |
|---|---|---|---|
<.*> | 贪婪 | 匹配整个字符串 | 几乎不用于HTML解析 |
<.*?> | 非贪婪 | 逐个匹配独立标签 | 适合简单标签提取 |
三、常见问题与建议
1、特殊字符需要转义
# 错误写法（未转义.）
re.findall(r'www.example.com', text)
# 正确写法（转义.）
re.findall(r'www\.example\.com', text)2、处理多行文本
text = "第一行\n第二行\n第三行"
# 启用多行模式（^匹配每行开头）
re.findall(r'^第', text, flags=re.MULTILINE)
# 输出: ['第', '第']3、性能优化建议
-
预编译正则表达式（尤其重复使用时）：
pattern = re.compile(r'\d{5}') # 提前编译
pattern.findall(text)