php用正则表达抓取网页中文章(Python正则表达式转义(转义问题)的相关内容吗在本文为您仔细讲解)

　　php用正则表达抓取网页中文章(Python正则表达式转义(转义问题)的相关内容吗在本文为您仔细讲解)

　　想知道Python正则表达式的相关内容（转义问题）吗？在本文中，我将仔细讲解Python正则表达式转义的相关知识和一些代码示例。欢迎阅读和纠正我们。先说重点：Python、正则表达式、迁移大家一起学习。

　　先说一件比较尴尬的事情：我在编写虾米音乐预览下载器的时候遇到了一个问题。因为保存的文件都是以曲名命名的，所以遇到了“対芝/out border”等非法字符（呵呵）。哼哼说当你→_→Windows时保存标题会失败）。于是想到了迅雷的解决办法：将所有非法字符全部替换为下划线。

　　于是引入了正则表达式的使用。经过一番搜索，我写了一个这样的函数：

　　复制代码代码如下：

　　def sanitize_filename(文件名):

　　return re.sub('[\/:*?|]','_', 文件名)

　　最近发现这个函数有很多问题：

　　所以我认真看文件。

　　原创字符串

　　看了文档，发现Python正则表达式模块的转义是独立的。例如，要匹配一个反斜杠字符，您需要将参数写为：'\\\\'：

　　Python 转义字符串：\\\\ 被转义为 \\

　　re模块获取传入的\\并解释为正则表达式，根据正则表达式转义规则转义为\

　　在这样繁琐的前提下，Raw String 是非常有用的，顾名思义（尾随反斜杠除外），不会被转义。所以匹配一个反斜杠字符可以写成 r'\\'。

　　所以上面的 sanitize_filename 改为：

　　复制代码代码如下：

　　def sanitize_filename(文件名):

　　return re.sub(r'[\\/:*?|]','_', 文件名)

　　正则表达式和匹配

　　所以还是认真的看一下re模块吧~以下是流水账，不耐烦查看。

　　Python 的正则表达式模块 re 中的主要对象其实就是这两个：

　　正则表达式 RegexObject

　　匹配对象

　　RegexObject 是一个正则表达式对象，match sub 等所有操作都属于它。由堆（模式，标志）生成。

　　复制代码代码如下：

　　>>> email_pattern = 桩（r'\w+@\w+\.\w+'）

　　>>> email_pattern.findall('我的电子邮件是他的')

　　['','']

　　方法：

　　搜索从任何字符开始并返回 MatchObject 或 None

　　匹配从第一个字符开始并返回 MatchObject 或 None

　　split 返回由匹配项拆分的列表

　　findall 返回所有匹配项的列表

　　finditr 返回 MatchObject 的迭代器

　　sub 返回替换后的字符串

　　subn 返回（替换后的字符串，替换次数）

　　re模块中提供的re.sub、re.match、re.findall等函数，其实可以看作是避免直接创建正则表达式对象的捷径。并且因为 RegexObject 对象本身可以重复使用，所以这是它相对于这些快捷函数的优势。

　　MatchObject 是表示正则表达式匹配结果的匹配对象。由 RegexObject 的一些方法返回。匹配的对象始终为 True。另外，在正则表达式中获取组信息的方法也很多。

　　复制代码代码如下：

　　>>> for m in re.finditer(r'(\w+)@\w+\.\w+','My email is and his is'):

　　...打印'%d-%d %s %s'% (m.start(0), m.end(0), m.group(1), m.group (0))

　　...

　　12-23 美国广播公司

　　35-51 用户

　　参考

　　相关文章