正则基础

自己的一个总结：

• 正则的条件是从后往前包含

• 写正则条件的时候多用   r'xxxx'  的形式

---

匹配单个字符

'''
    match 函数只能从头开始匹配，中间的字符串匹配不到
'''
import re

# 1. 匹配某个字符串：
text = "hello"
ret = re.match('he',text)
print(ret.group())

# 2. 点：匹配任意的字符但是返回值只有一个，不能匹配换行
text = "\nas"
ret = re.match('.',text)
print(ret.group())

# 3. \d：匹配任意的数字（0-9）
text = "+"
ret = re.match('\d',text)
print(ret.group())

# 4. \D：匹配任意的非数字
text = "2"
ret = re.match('\D',text)
print(ret.group())

# 5. \s：匹配空白字符（\n，\t，\r，空格）
text = "\r"
ret = re.match('\s',text)
print(ret.group())

# 6. \w：匹配的是a-z,A-Z,数字和下划线
text = "+"
ret = re.match('\w',text)
print(ret.group())

# 7. \W：与\w相反。
text = "a"
ret = re.match('\W',text)
print(ret.group())
'''
直接：[\d\-]就只能得到一个字符，后面接一个：+，就可以得到一个字符串
'''
# 8. []组合的方式，只要满足中括号中的字符，就可以匹配
text = "0731-88888888asfa"
ret = re.match('[\d\-]+',text)
print(ret.group())

# 8.1. 中括号的形式代替\d
text = "09"
ret = re.match('[0-9]',text)
print(ret.group())

# 8.2. 中括号的形式代替\D
text = "1"
ret = re.match('[^0-9]',text)
print(ret.group())

# 8.3. 中括号的形式代替\w
text = "_"
ret = re.match('[a-zA-Z0-9_]',text)
print(ret.group())

# 8.4. 中括号的形式代替\W
text = "0"
ret = re.match('[^a-zA-Z0-9_]',text)
print(ret.group())

匹配多个字符

# 9. *：可以匹配0或者任意多个字符
text = "abcd"
ret = re.match('\s*',text)
print(ret.group())

# 10. +：匹配1个或者多个字符
text = "+abcd"
ret = re.match('\w+',text)
print(ret.group())

# 11. ?：匹配一个或者0个（要么没有，要么就只有一个）
text = "abcd"
ret = re.match('\w?',text)
print(ret.group())

# 12. {m}：匹配m个字符。
text = "abcd"
ret = re.match('\w{2}',text)
print(ret.group())

# 13. {m,n}：匹配m-n个字符
text = "abcdab"
ret = re.match('\w{1,5}',text)
print(ret.group())

 小案例

# 14. 验证手机号码：
'''
\d{9}:取出数字九个
'''
text = "12578900980"
ret = re.match('1[34578]\d{9}',text)
print(ret.group())

# 15. 验证邮箱：
text = "hynever12_@163com"
ret = re.match('\w+@[a-z0-9]+\.[a-z]+',text)
print(ret.group())

# 16. 验证URL
text = "https://baike.baidu.com/item/Python/407313?fr=aladdin"
ret = re.match('(http|https|ftp)://[^\s]+',text)
print(ret.group())

# 17. 验证身份证：
text = "31131118908123230a"
ret = re.match('\d{17}[\dxX]',text)
print(ret.group())

# 18. ^（脱字号）：
'''
match的效果跟它差不多
'''
text = "hello"
ret = re.search('^h',text)
print(ret.group())

# 19. $：表示以...结尾：
text = "xxx@163.com"
ret = re.match('\w+@163.com$',text)
print(ret.group())

# 20. |：匹配多个字符串或者表达式：
text = "https"
ret = re.match('(ftp|http|https)$',text)
print(ret.group())

# 21：贪婪模式与非贪婪模式：
'''
默认情况下采用的是贪婪模式（尽量的多匹配）
re.match('\d+',text)
在后面加一个？进行的就是非贪婪模式的匹配（出现第一个匹配就结束）
re.match('\d+?',text)
'''
# text = "0123456"
# ret = re.match('\d+?',text)
# print(ret.group())
'''
<.+> :代表尖括号中，任意字符+最少匹配一个或多个【贪婪模式，最后输出"<h1>标题</h1>"】
<.+?>:                                     【非贪婪模式，最后输出"<h1>"】
'''
text = "<h1>标题</h1>"
ret = re.match('<.+?>',text)
print(ret.group())

# 22：匹配0-100之间的数字
# 可以出现的：1，2，3，10，100，99
# 有三种情况：1，99，100
# 不可以出现的：09，101
text = "01"
ret = re.match('[1-9]\d?$|100$',text)
print(ret.group())

 转义字符与原生字符串

#encoding: utf-8
import re

# \:转义字符，将正则中的特殊字符变为普通字符
text = "apple price is $299"
ret = re.search("\$\d+",text)
print(ret.group())

# r = raw = 原生的 ：是什么就是什么，让正则语句中的所有的字符，没有任何特殊（正则中的）含义
# text = r'\n'
# print(text)

'''
re.match(method,string) :method ,里面的字符串是由双重意义的，python会对他解析一次，正则本身的规则也会对他解析一次
在正则这中匹配“\c”形式的要加四个“\”
'''
text = "\c" #= '\n'
# python：'\\n' = \n
# （无r模式）\\\\n =》 \\n
# （有r模式）\\c
# 正则表达式中：\n =
# （无r模式）\\n =》 \n
# （有r模式）\\c =》 \c
ret = re.match('\\\\c',text)
print(ret.group())
'''
或者加“r”直接让它整体失效
'''
ret = re.match(r'\\c',text)
print(ret.group())

 分组

#encoding: utf-8

import re

# 分组:用“（）”括起来的就是叫分组
# text = "apple's price $99,orange's price is $10"
# ret = re.search('.*(\$\d+).*(\$\d+)',text)
'''
   .      *                           (\$\d+)                         .       *                         (\$\d+)
任意字符+任意多个（一直持续匹配到$99）+（转义$+匹配任意数字+一个或多个）+任意字符+任意多个（一直持续匹配到$10)+（转义$+匹配任意数字+一个或多个）
ret.group(数字)：可以查看指定分组，排序从1开始（加0相当于不传参）
整个正则表达式默认为一个分组  '（ …… ）' 相当于 ' …… '
'''
# print(ret.group(0))
# ret.group(0) = ret.group()
# print(ret.group(1))
print(ret.group(2))
print(ret.group(1,2))：拿出两个分组
print(ret.groups()) ： 所有的子分组都拿出来

 

find_all函数：
text = "apple's price $99,orange's price is $10"
ret = re.findall('\$\d+',text)
print(ret)

sub函数：
text = "apple's price $99,orange's price is $10"
ret = re.sub('\$\d+',"0",text)
print(ret)

正则的应用———得到标签中的文字：
html = """
            <dd class="job_bt">
                    <h3 class="description">职位描述：</h3>
                    <div>
                    <p>参与公司新一代面向生命科学行业云服务应用及平台的开发。</p>
            <p><br></p>
            <p>【工作职责】</p>
            <p>云服务软件产品的架构设计与开发</p>
            <p>与设计、产品及前端人员沟通，保证产品的质量和开发进度</p>
            <p>研究新兴技术，对产品进行持续优化</p>
            <p><br></p>
            <p>【职位要求】</p>
            <p>计算机相关专业本科及以上学历</p>
            <p>对常见数据结构和面向对象设计有深入理解</p>
            <p>熟练掌握Python语言，3年以上实际经验</p>
            <p>熟悉Python Web开发框架如Django</p>
            <p>熟练掌握数据库开发和设计</p>
            <p>基本的英文读写能力</p>
            
                    </div>
                </dd>
    """
re = re.sub('<.+?>',"",html)
print(ret)


split函数——使用非英文的任何字符当分隔符，返回值是一个列表：
text = "hello&world ni hao"
ret = re.split('[^a-zA-Z]',text)
print(ret)

compile函数：对于一些常用的正则表达式，可以用她进行编译，后期在使用的时候可以直接拿过来用，执行效率更快
text = "the number is 20.50"
# r = re.compile('\d+\.?\d*')
r = re.compile(r"""
    \d+ # 小数点前面的数字
    \.? # 小数点本身
    \d* # 小数点后面的数字
""",re.VERBOSE)
ret = re.search(r,text)
print(ret.group())