PythonforInformatics第11章之正则表达式（四）

在PythonforInformatics第11章中，我们学习了如何使用Python中的re模块进行正则表达式操作。本文将详细讲解第11章的内容，包括正则表达式的基本语法、re模块的常用函数、正则表达式的高级用法以及两个示例说明。

正则表达式的基本语法

正则达式是一用于匹配字符串的模式。在Python中，正则表达式的基本语法如下：

• 字符：匹配该字符本身。
• .：匹配任意一个字符。
• []：匹配方括号中的任意一个字符。
  -^]：匹配不在方括号中的任意一个字符。
• *：匹配前面的字符零次或多次。
• +：匹配前面的字符一次或多次。
• ?：匹配前面的字符零次或一次。
• {m,n}：匹配前面的字符m次到n次。
• ()：将括号中的内容作为一个分组。

re模块的常用函数

在Python中，re模块提供了多个函数用于正则表达式操作。其中，常用的函数包括：

• re.search(pattern, string, flags=0)：在字符串中搜索正则表达式的第一个匹配项。
• re.match(pattern, string, flags=0)：从字符串的开头开始匹配正则表达式。
• re.findall(pattern, string, flags=0)：在字符串中查找所有匹配正则表达式的子串，并返回一个列表。
• re.sub(pattern, repl, string, count=0, flags=0)：使用repl替换字符串中所有匹配正则表达式的子串，并返回替换后的字符串。

正则表达式的高级用法

在Python中，正则表达式还有一些高级用法，包括：

• 贪婪匹配和非贪婪匹配：默认情况下，正则表达式是贪婪匹配的，即尽可能多地匹配字符。可以使用?将其改为非贪婪匹配。
• 正则表达式的分组：可以使用()将正则表达式的一部分作为一个分组，并在后面的操作中引用该分组。
• 正则表达式的预搜索：可以使用?=和?!进行正则表达式的预搜索，即匹配某个式前面或后面的内容。

示例一

以下是一个示例，用于展示如何使用正则表达式从HTML页面中提取链接：

import re
import requests

# 从HTML页面中提取所有链接
url = "http://www.example.com"
response = requests.get(url)
html = response.text
pattern = re.compile("<a href=\"(.*?)\">")
links = pattern.findall(html)
for link in links:
    print(link)

在上面的示例中，我们使用requests库获取一个HTML页面，并将其存储在html变量中。然后，使用re模块的findall()函数和正则表达式”“从HTML页面中提取所有链接，并将结果存储在links变量中。最后，使用for循环遍历所有链接并打印出来。

import re

# 从日志文件中提取所有IP地址
with open("access.log", "r") as f:
    log = f.read()
pattern = re.compile("\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}")
ips = pattern.findall(log)
for ip in ips:
    print(ip)