python re.match()用法相关示例介绍

太过爱你忘了你带给我的痛 2024-03-24 19:22 139阅读 0赞

![692637d3dae1019759946960cf137b47.jpeg][]

本文主要介绍了python re.match（）用法相关示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

学习python爬虫时遇到了一个问题，书上有示例如下：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*)are(.*?).*'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'matchObj.group():'</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'matchObj.group(1):'</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'matchObj.group(2):'</code><code>, matchObj.group(</code><code>2</code><code>))</code> <code>else</code><code>:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'No match!\n'</code><code>)</code> </td> 
 </tr> 
 </tbody> 
</table>

书上的期望输出是：

> matchObj.group(): Cats are smarter than dogs  
> matchObj.group(1): Cats  
> matchObj.group(2):smarter

但是我在电脑上跑了一遍得到的输出却是：

> matchObj.group(): Cats are smarter than dogs  
> matchObj.group(1): Cats  
> matchObj.group(2):

于是开始想办法彻底搞清楚这个差别的原因所在。

首先要读懂这几行代码，而这一行代码的关键在于这一句：

<table> 
 <tbody> 
 <tr> 
 <td> 1 </td> 
 <td> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*)are(.*?).*'</code><code>,line)</code> </td> 
 </tr> 
 </tbody> 
</table>

匹配的正则表达式是

(.\*)are(.\*?).\*  
前面的r表示的是匹配的字符不进行转义，而要匹配的字符串是line，也就是  
Cats are smarter than dogs  
后面使用group（num），个人理解是，按照正则表达式中的括号数可以捕获得到对应数量的捕获组，而调用group（num）就可以得到对应捕获组的内容，  
其中group（0）表示的是匹配的整个表达式的字符串，在本例中就是‘Cats are smarter than dogs'。  
参照网上可以搜到的符号的作用：  
.匹配除换行符以外的任意字符  
\*重复之前的字符零次或更多次  
？重复之前的字符零次或一次  
那么第一个括号的内容，应当就是匹配要匹配的字符串中are之前的所有字符（除换行符），  
而第二个括号的内容应当是匹配are之后的内容，但具体想指代什么却显得有些不明确。  
不明确的点就在于\*和？这两个符号的连用，根据优先级这两个符号是同一优先级的，那么应当按照顺序生效，那么如此翻译的话，这一语句匹配的就是长度为0到无限大的任意字符串，为了探清此时  
程序判断的具体内容，我们给匹配字符串末尾的.\*也加上括号以提取其内容，而后在输出部分加上对应语句：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*)are(.*?)(.*)'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group():"</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(1):"</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(2):"</code><code>, matchObj.group(</code><code>2</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(3):"</code><code>, matchObj.group(</code><code>3</code><code>))</code> <code>else</code><code>:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'No match!\n'</code><code>)</code> </td> 
 </tr> 
 </tbody> 
</table>

得到的结果是：

> matchObj.group(): Cats are smarter than dogs  
> matchObj.group(1): Cats  
> matchObj.group(2):  
> matchObj.group(3): smarter than dogs

可见第二个括号里的内容被默认为空了，然后删去那个？，可以看到结果变成：

> matchObj.group(): Cats are smarter than dogs  
> matchObj.group(1): Cats  
> matchObj.group(2): smarter than dogs  
> matchObj.group(3):

那么这是否就意味着？的默认值很可能是0次，那？这个符号到底有什么用呢

仔细想来这个说法并不是很严谨。尝试使用单独的.?组合可以看到这个组合可以用于提取

单个不知道是否存在的字符，而如下代码

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*) are(.*)?'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group():"</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(1):"</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(2):"</code><code>, matchObj.group(</code><code>2</code><code>))</code> </td> 
 </tr> 
 </tbody> 
</table>

也能在组别2中正常提取到are之后的字符内容，但稍微改动一下将？放到第二个括号内，

就什么也提取不到，同时导致group(0)中匹配的字符到Cats are就截止了（也就是第二个括号匹配失败）。

令人感到奇怪的是，如果将上面的代码改成

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*) are (.*)+'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group():"</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(1):"</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(2):"</code><code>, matchObj.group(</code><code>2</code><code>))</code> </td> 
 </tr> 
 </tbody> 
</table>

也就是仅仅将？改为+，虽然能成功匹配整个line但group(2)中没有内容，

如果把+放到第二个括号中就会产生报错，匹配失败。

那么是否可以认为.\*?这三个符号连用只是一个不规范的操作，但由于？的特殊性所以没有报错反而匹配成功了呢？

具体的可能要研究代码本身的机理了，暂且搁置。还有一个问题就是如何达到样例本身想要的，用第二个括号提取单个单词的目的。

如果单单考虑这个例子的话，把原本第二个括号中的?换成r就可以了，也就是如下代码：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*) are (.*r).*'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group():"</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(1):"</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(2):"</code><code>, matchObj.group(</code><code>2</code><code>))</code> <code>&nbsp;</code><code>#print("matchObj.group(3):", matchObj.group(3))</code> <code>else</code><code>:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'No match!\n'</code><code>)</code> </td> 
 </tr> 
 </tbody> 
</table>

为了泛用性尝试了一下把r改成‘ '但是得到的结果是‘smarter than '。于是尝试把.换成表示任意字母的

\[a-zA-Z\]，成功提取出了单个smarter，代码如下：

<table> 
 <tbody> 
 <tr> 
 <td> 1 2 3 4 5 6 7 8 9 10 11 12 </td> 
 <td> <code>import</code> <code>re</code> <code>line</code><code>=</code><code>'Cats are smarter than dogs'</code> <code>matchObj</code><code>=</code><code>re.match(r</code><code>'(.*) are ([a-zA-Z]* ).*'</code><code>,line)</code> <code>if</code> <code>matchObj:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group():"</code><code>,matchObj.group())</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(1):"</code><code>, matchObj.group(</code><code>1</code><code>))</code> <code>&nbsp;</code><code>print</code><code>(</code><code>"matchObj.group(2):"</code><code>, matchObj.group(</code><code>2</code><code>))</code> <code>&nbsp;</code><code>#print("matchObj.group(3):", matchObj.group(3))</code> <code>else</code><code>:</code> <code>&nbsp;</code><code>print</code><code>(</code><code>'No match!\n'</code><code>)</code> </td> 
 </tr> 
 </tbody> 
</table>

到此这篇关于python re.match（）用法相关示例的文章就介绍到这了,希望可以帮到你。

转自：[微点阅读][Link 1] [https://www.weidianyuedu.com][Link 1]

[692637d3dae1019759946960cf137b47.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/20dec80b19e8464a99b3dfb2a7ca6a95.png
[Link 1]: https://www.weidianyuedu.com