位置: 编程技术 - 正文
Python 正则表达式入门（中级篇）
编辑：rootadmin推荐整理分享Python 正则表达式入门（中级篇），希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！
初级篇链接： d+.&#;d+.&#;d+.&#;d+
不好，一个是太繁琐，另一个是连位数都控制不了
答案二 d+{1,3}.&#;d+{1,3}.&#;d+{1,3}.&#;d+{1,3}
一般般，复杂但是起码能把位数控制在合理范围
答案三 (d+{1,3}.){3}d+{1,3}.
利用子表达式，将.这种数字加小数点看做一个整体字符，对其规定重复匹配的次数，既简洁，效果又好。所以只要你将几个字符组合用圆括号括起来，那么你就可以把一个圆括号内的内容当做一个字符，外面可以加我们之前讲过的所有元字符来控制匹配。
2.向前向后查找
现在，我们终于来到了向前向后查找这一块。为什么说终于来到这了呢？还记得我们在初级篇最开始的例子吗？
假如你在写一个爬虫，你得到了一个网页的HTML源码。其中有一段html
<html><body><h1>hello world</h1></body></html>
你想要把这个hello world提取出来
这个正则表达式
p1 = r"(&#;<=<h1>).+&#;(&#;=<h1>)"
看到(&#;<=<h1>) 和 (&#;=<h1>)了吗？第一个&#;<=表示在被匹配字符前必须得有<h1>，后面的&#;=表示被匹配字符后必须有<h1>
简单来说，就是你要匹配的字符是XX，但必须满足形式是AXXB这样的字符串，那么你就可以这样写正则表达式
p = r"(&#;<=A)XX(&#;=B)"
匹配到的字符串就是XX。并且，向前查找向后查找不需要必须同时出现。如果你愿意，可以只写满足一个条件。
所以你也不需要记住哪个是向前查找，哪个是向后查找。只要记住&#;<=后面跟着的是前缀要求，&#;=后面跟的是后缀要求。
本质上来说，向前查找和向后查找其实是匹配整个字符串，即AXXB，但返回时仅仅返回一个XX。也就是说，如果你愿意，完全可以避开向前向后查找的方式，直接匹配带有前后缀的字符串，然后做字符串切片处理。
3.回溯引用
不同于前面的向前向后查找，这一条有时候你未必绕的过去。在有些情况下，你还必须得用到回溯引用，所以你如果想拥有在实际应用中使用正则表达式，回溯引用是你应该了解和掌握的。
我们还是从最开始的例子来说。
你原本要匹配<h1></h1>之间的内容，现在你知道HTML有多级标题，你想把每一级的标题内容都提取出来。你也许会这样写：
p = r"<h[1-6]>.*&#;</h[1-6]>"
这样一来，你就可以将HTML页面内所有的标题内容全部匹配出来。即<h1></h1>到<h6></h6>的内容都可以被提取出来。但是我们之前说过，写正则表达式困难的不是匹配到想要的内容，而是尽可能的不匹配到不想要的内容。在这个例子中，很有可能你就会被下面这样的用例玩坏。
比方说
<h1>hello world</h3>
发现后面的</h3>了吗？我们不管是怎么写出来这样的标题的，但实实在在的是我们的正则表达式同样会把这里面的hello world匹配出来。这时候就是回溯引用的重要作用。下面就是一个示例：
结尾就能看出效果
看到1了吗？原本那个位置应该是[1-6]，但是我们写的是1，我们之前说过，转义符干的活就是把特殊的字符转成一般的字符，把一般的字符转成特殊字符。普普通通的数字1被转移成什么了呢？在这里1表示第一个子表达式，也就是说，它是动态的，是随着前面第一个子表达式的匹配到的东西而变化的。比方说前面的子表达式内是[1-6]，在实际字符串中找到了1，那么后面的1就是1，如果前面的子表达式在实际字符串中找到了2，那么后面的1就是2。
类似的，2,3,....就代表第二个第三个子表达式。
所以回溯引用是正则表达式内的一个“动态”的正则表达式，让你根据实际的情况变化进行匹配。
中级篇就到这里，其实正则表达式还有很多细节还没有写出来，也有很多元字符我没有交代，但掌握了纲要，懂得原理之后剩下的就类似于查表构造这种活了。
建议看到这的朋友看看《正则表达式必知必会》，初级篇和这篇中有几个例子也是取材于此。
