正則學習
一、正則復習。
正則關鍵元字符如下：
下表包含了元字符的完整列表以及它們在正則表達式上下文中的行為：
| 字符 | 描述 |
|---|---|
| \ |
將下一個字符標記為一個特殊字符、或一個原義字符、或一個 向後引用、或一個八進制轉義符。例如，‘n‘ 匹配字符 "n"。‘\n‘ 匹配一個換行符。序列 ‘\\‘ 匹配 "\" 而 "\(" 則匹配 "("。 |
| ^ |
匹配輸入字符串的開始位置。如果設置了 RegExp 對象的 Multiline 屬性，^ 也匹配 ‘\n‘ 或 ‘\r‘ 之後的位置。 |
| $ |
匹配輸入字符串的結束位置。如果設置了RegExp 對象的 Multiline 屬性，$ 也匹配 ‘\n‘ 或 ‘\r‘ 之前的位置。 |
| * |
匹配前面的子表達式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等價於{0,}。 |
| + |
匹配前面的子表達式一次或多次。例如，‘zo+‘ 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等價於 {1,}。 |
| ? |
匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等價於 {0,1}。 |
| {n} |
n 是一個非負整數。匹配確定的 n 次。例如，‘o{2}‘ 不能匹配 "Bob" 中的 ‘o‘，但是能匹配 "food" 中的兩個 o。 |
| {n,} |
n 是一個非負整數。至少匹配n 次。例如，‘o{2,}‘ 不能匹配 "Bob" 中的 ‘o‘，但能匹配 "foooood" 中的所有 o。‘o{1,}‘ 等價於 ‘o+‘。‘o{0,}‘ 則等價於 ‘o*‘。 |
| {n,m} |
m 和 n 均為非負整數，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個 o。‘o{0,1}‘ 等價於 ‘o?‘。請註意在逗號和兩個數之間不能有空格。 |
| ? |
當該字符緊跟在任何一個其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 後面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對於字符串 "oooo"，‘o+?‘ 將匹配單個 "o"，而 ‘o+‘ 將匹配所有 ‘o‘。 |
| . |
匹配除換行符（\n、\r）之外的任何單個字符。要匹配包括 ‘\n‘ 在內的任何字符，請使用像"(.|\n) |
| (pattern) |
匹配 pattern 並獲取這一匹配。所獲取的匹配可以從產生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中則使用 $0…$9 屬性。要匹配圓括號字符，請使用 ‘\(‘ 或 ‘\)‘。 |
| (?:pattern) |
匹配 pattern 但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用 "或" 字符 (|) 來組合一個模式的各個部分是很有用。例如， ‘industr(?:y|ies) 就是一個比 ‘industry|industries‘ 更簡略的表達式。 |
| (?=pattern) |
正向肯定預查（look ahead positive assert），在任何匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。 |
| (?!pattern) |
正向否定預查(negative assert)，在任何不匹配pattern的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字符之後開始。 |
| (?<=pattern) | 反向(look behind)肯定預查，與正向肯定預查類似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。 |
| (?<!pattern) | 反向否定預查，與正向否定預查類似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。 |
| x|y |
匹配 x 或 y。例如，‘z|food‘ 能匹配 "z" 或 "food"。‘(z|f)ood‘ 則匹配 "zood" 或 "food"。 |
| [xyz] |
字符集合。匹配所包含的任意一個字符。例如， ‘[abc]‘ 可以匹配 "plain" 中的 ‘a‘。 |
| [^xyz] |
負值字符集合。匹配未包含的任意字符。例如， ‘[^abc]‘ 可以匹配 "plain" 中的‘p‘、‘l‘、‘i‘、‘n‘。 |
| [a-z] |
字符範圍。匹配指定範圍內的任意字符。例如，‘[a-z]‘ 可以匹配 ‘a‘ 到 ‘z‘ 範圍內的任意小寫字母字符。 |
| [^a-z] |
負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，‘[^a-z]‘ 可以匹配任何不在 ‘a‘ 到 ‘z‘ 範圍內的任意字符。 |
| \b |
匹配一個單詞邊界，也就是指單詞和空格間的位置。例如， ‘er\b‘ 可以匹配"never" 中的 ‘er‘，但不能匹配 "verb" 中的 ‘er‘。 |
| \B |
匹配非單詞邊界。‘er\B‘ 能匹配 "verb" 中的 ‘er‘，但不能匹配 "never" 中的 ‘er‘。 |
| \cx |
匹配由 x 指明的控制字符。例如， \cM 匹配一個 Control-M 或回車符。x 的值必須為 A-Z 或 a-z 之一。否則，將 c 視為一個原義的 ‘c‘ 字符。 |
| \d |
匹配一個數字字符。等價於 [0-9]。 |
| \D |
匹配一個非數字字符。等價於 [^0-9]。 |
| \f |
匹配一個換頁符。等價於 \x0c 和 \cL。 |
| \n |
匹配一個換行符。等價於 \x0a 和 \cJ。 |
| \r |
匹配一個回車符。等價於 \x0d 和 \cM。 |
| \s |
匹配任何空白字符，包括空格、制表符、換頁符等等。等價於 [ \f\n\r\t\v]。 |
| \S |
匹配任何非空白字符。等價於 [^ \f\n\r\t\v]。 |
| \t |
匹配一個制表符。等價於 \x09 和 \cI。 |
| \v |
匹配一個垂直制表符。等價於 \x0b 和 \cK。 |
| \w |
匹配字母、數字、下劃線。等價於‘[A-Za-z0-9_]‘。 |
| \W |
匹配非字母、數字、下劃線。等價於 ‘[^A-Za-z0-9_]‘。 |
| \xn |
匹配 n，其中 n 為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，‘\x41‘ 匹配 "A"。‘\x041‘ 則等價於 ‘\x04‘ & "1"。正則表達式中可以使用 ASCII 編碼。 |
| \num |
匹配 num，其中 num 是一個正整數。對所獲取的匹配的引用。例如，‘(.)\1‘ 匹配兩個連續的相同字符。 |
| \n |
標識一個八進制轉義值或一個向後引用。如果 \n 之前至少 n 個獲取的子表達式，則 n 為向後引用。否則，如果 n 為八進制數字 (0-7)，則 n 為一個八進制轉義值。 |
| \nm |
標識一個八進制轉義值或一個向後引用。如果 \nm 之前至少有 nm 個獲得子表達式，則 nm 為向後引用。如果 \nm 之前至少有 n 個獲取，則 n 為一個後跟文字 m 的向後引用。如果前面的條件都不滿足，若 n 和 m 均為八進制數字 (0-7)，則 \nm 將匹配八進制轉義值 nm。 |
| \nml |
如果 n 為八進制數字 (0-3)，且 m 和 l 均為八進制數字 (0-7)，則匹配八進制轉義值 nml。 |
| \un |
匹配 n，其中 n 是一個用四個十六進制數字表示的 Unicode 字符。例如， \u00A9 匹配版權符號 (?)。 |
案例一
import re
import requests
url = "http://qwd.jd.com/fcgi-bin/qwd_searchitem_ex?skuid=26878432382%7C1658610413%7C26222795271%7C25168000024%7C11731514723%7C26348513019%7C20000220615%7C4813030%7C25965247088%7C5327182%7C19588651151%7C1780924%7C15495544751%7C10114188069%7C27036535156%7C10123099847%7C26016197600%7C10503200866%7C16675691362%7C15904713681"
session = requests.session()
r = session.get(url)
html = r.text
# print(html)
reg = re.compile(r"\"skuid\":\"(\d+)\",\s+\"\S+\s+\"skuurl\"\S+\s+\"skuimgurl\":\"(\S+)\",")
result = reg.findall(html)
print(result)
案例二、
import codecs
import re
import os
regUpstream = re.compile(r"\s*(upstream\s+(\S+)\s+{[^}]+})")
with codecs.open("ga10.wms5.jd.com.txt") as fu:
textList = regUpstream.findall(fu.read())
if not os.path.exists("upstream"):
os.mkdir("upstream")
os.chdir("upstream")
for item in textList:
with codecs.open(item[1], "w") as fw:
fw.write(item[0])
os.chdir("..")
regLocation = re.compile(r"(location\s+/(\S+)/\s+{\s+proxy_next_upstream.*[^]]*?})")
with codecs.open("ga10.wms5.jd.com.txt") as fl:
textLocation = regLocation.findall(fl.read())
if not os.path.exists("location"):
os.mkdir("location")
os.chdir("location")
for each in textLocation:
file = each[1] + ".locaion.conf"
with codecs.open(file, "w") as flw:
flw.write(each[0])
正則學習