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())
