前言html
近期小编在进行评测语料的制做时，涉及到一些复杂字符串的过滤和提取等内容，例如找出某一句话中在某个特定语句结构下出现的文字，虽然使用循环，if-else等语句能够搞定，可是比较麻烦，使用正则表达式处理就比较方便。python
正则表达式定义正则表达式
正则表达式，又称正规表达式（英文：Regular Expression，RE），它使用单个字符串来描述，匹配一系列符合某个句法规则的字符串，在不少的文本编辑器里，正则表达式一般被用来检索和替换那些匹配某个模式的文本。微信
正则表达式使用并发
举个栗子，假设使用爬虫得到一个HTML源码，其中一段为：app
str1=r"<html><body><h1>hello.world<h1></body></html><h1>hello:world<h1><h1>helloAworld<h1>"
这时候若是想提取全部的hello(x)world，一般须要对字符串进行split操做等，可是当第二个<h1>变为</h1>, 问题就会变得复杂起来。而用以下正则表达式则能够直接将hello(x)word提取出来：编辑器
import rep1 = r"hello.world"pattern =re.compile(p1)print(re.findall(pattern, str1))
其中，p1为正则表达式字符串，hello与world之间的“.”为一个能够匹配任何字符的元字符（后面有介绍），pattern为通过编译后获得的正则表达式对象，这样作的目的是便于后面的匹配中能够复用，上述表达式获得结果为：分布式
正则表达式匹配方法
除了上面介绍的findall方法以外，正则表达式经常使用的匹配方法还有 match和search，三者之间的区别为：
match：从字符串的起始位置匹配正则表达式，若是匹配，就返回匹配成功的结果；若是不匹配，就返回None；
search: 它在匹配时会扫描整个字符串，而后返回第一个成功匹配的结果，若是搜索完了还没找到，则返回None；
findall: 该方法会搜索整个字符串，而后返回一个list，匹配正则表达式的全部内容。
正则表达式范围匹配
在一段字符串内，咱们能够在一段范围内选择要或者不要某些字符，例若有以下字符串：
str2 = r"lap &ap nap rap xap xap pap"
对于str2，咱们想要除了&ap以外的全部正常的字符串，经过以下表达式便可完成：
p2 = r"[lnrxp]ap" #字母开头ap都要pattern = re.compile(p)print (re.findall(pattern,str2))
上述代码获得的结果为：
上述正则表达式中，对于str2中存在类别较少的(x)ap，当有26个字母而且区分大小写时使用该语句显然不现实，Python内置了不少简洁的正则表达式，避免咱们在提取的过程当中须要把想要的字母一个个写出来，常见的有：
[0-9]0123456789任意之一
[a-z]小写字母任意之一
[A-Z]大写字母任意之一
\d 等同于[0-9]
\D 等同于[^0-9]即匹配非数字
\w 等同于[a-z0-9A-Z]匹配大小写字母，数字和下划线
\W 等同于上一条取非
所以对于上述正则表达式p2，使用r"\wap",r“[a-z]ap”获得的结果是同样的。此外咱们在前面已经介绍过“.”元字符，在p2中，“[]”也是一个元字符，它表示的是当前表达式匹配[]内任意的字符。Python中还内置了不少元字符，方便了咱们在写正则表达式时可以更简洁的表述。读者能够访问一下网址来查看定义：https://www.runoob.com/regexp/regexp-metachar.html。
正则表达之贪心与懒惰
假设有以下字符串：
str3 = r"sogoutest@sogou-inc.com.cn"
咱们想要把str3中从@开始一直到“.”以前的内容匹配出来，则能够这样去实现
p3 = r"@.+\."pattern= re.compile(p3)print (re.findall(pattern,str3))
其中，“+”也是也是一个元字符，表示匹配前面的最近的字符一次或屡次，能够看到，此时表达式尽量多地进行匹配，匹配到了com后面的“.”,即贪心模式。若只想匹配到第一个点结束，便可使用以下语句改成懒惰模式。
p3 = r"@.+?\."pattern= re.compile(p3)print (re.findall(pattern,str3))
此时咱们能够看到，结果在匹配到inc后面的“.”就结束了。
参考连接：
1.https://www.py.cn/spider/guide/14488.html
2.https://www.py.cn/faq/python/12021.html
3.https://www.runoob.com/regexp/regexp-metachar.html
结语
2020/03/17
正则表达式在处理字符串时做用很大，结合Python提供的元字符列表能够实现功能更多更复杂的语句，针对同一个问题的解决方式可能会有不少种，须要在平时使用中加以运用熟练掌握。
正则表达式往期推文：
一块儿来了解一下正则表达式
文章合集
Selenium | Appium | Jenkins | Jmeter
软件测试方法汇总 | Postman接口参数化 | 测试用例设计
视频教程
Selenium | Appium | Jenkins | Jmeter
往期性能推文：
03|性能综述: 怎么理解TPS、QPS、RT、吞吐量这些性能指标？
04|JMeter和LoadRunner：要知道工具仅仅只是工具
05|指标关系：你知道并发用户数应该怎么算吗？
性能测试工具--Locust官方文档(API)解读（全）
AWS与Docker
如何使用AWS EC2+Docker+JMeter构建分布式负载测试基础架构
Docker容器数据持久化和容器网桥链接
Docker删除image和container
Docker与VM虚拟机的区别以及Docker的特色
END
以为不错，能够点“在看”，或者转发、留言
精彩的内容要和朋友分享哦
本文分享自微信公众号 - 软测小生（ruancexiaosheng）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。