正则表达式

课题：正则表达式

课题：正则表达式
- 知识点一：re模块

独有的工具：用来匹配或者提取字符串

不属于Python基础。属于编程基础。

封装到库里边的，语法都是一样的。做好笔记，多敲。

Python---爬虫，WEB。没有其他的可以代替正则表达式

123456@163.com、url

import re
aaa='123456@163.com'
my = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$',aaa)
# 去掉@或者cn  不能匹配到
# 通过自己写的规则，匹配想要的字符串
# python取消转义：\?    取消正则表达式语法的转义

知识点一：re模块

1、findall方法：

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表
，如果没有找到匹配的，则返回空列表

2、match方法

re.match 尝试从字符串的起始位置匹配一个模式，匹配成功返回的是一个匹配
对象（这个对象包含了我们匹配的信息），如果不是起始位置匹配成功的话，
match()返回的是空，

注意：match只能匹配到一个

a = "python123123java"
print(re.match('python',a))
print(re.match('python',a).group())# 查看匹配的字符
print(re.match('123',a))
print(re.match('python',a).span())# 匹配字符的下标取值区间

3、search方法

re.search 扫描整个字符串,匹配成功返回的是一个匹配对象（这个对象包含了我们匹配的信息）

注意：search也只能匹配到一个，找到符合规则的就返回，不会一直往后找

print(re.search('123',a))# yes
print(re.search('cc',a))# None
print(re.search('python',a).group())
print(re.search('python',a).span())

re.match与re.search的区别：
re.match只匹配字符串的开始位置找，如果字符串开始不符合正则表达式，则匹配失败，
re.search：匹配整个字符串，如果一直找不到则，返回是空的，没有结果

4、元字符

单字符匹配

字符	描述
.	匹配任意1个字符(除了\n)
[]	匹配 [] 中列举的字符
\d	匹配数字，即0-9
\D	匹配非数字，即不是数字
\s	匹配空白，即空格，tab键
\S	匹配非空白
\w	匹配单词符，即a-z、A-Z、0-9、_
\W	匹配非单词字符

代表数量的元字符

字符	描述
*	匹配前一个字符出现0次或者无限次，即可有可无
+	匹配前一个字符出现1次或者无限次，即至少有1次
？	匹配前一个字符出现0次或者1次，即要么有1次，要么没有
	匹配前一个字符出现m次
	匹配前一个字符至少出现m次
	匹配前一个字符出现从m到n次

代表边界的元字符

字符	描述
^	匹配字符串开头
$	匹配字符串结尾
\b	匹配一个单词的边界

分组匹配

字符	描述
\|	匹配左右任意一个表达式
(ab)	将括号中的字符作为一个分组

b = '张三天在玩4399小游戏，张三 hello 玩的.很开心'
ress = re.findall(r'张三.',b)# .任意一个字符
ress1 = re.findall(r'[54]',b)
ress1 = re.findall(r'\d',b)# 匹配数字，单个字符，单个元素
ress1 = re.findall(r'\D',b)#
ress1 = re.findall(r'4*',b)# 匹配前一个字符出现0次或者无限次，即可有可无
ress1 = re.findall(r'4+',b)# 匹配前一个字符出现1次或者无限次，即可有可无
ress1 = re.findall(r'三{2}',b)# 匹配前一个字符出现m次
ress1 = re.findall(r'三{1,}',b)# 匹配前一个字符出现从m到n次
ress1 = re.findall(r'三{1,2}',b)# 匹配前一个字符出现从m到n次
ress1 = re.findall(r'^张三',b)# 匹配字符串开头
ress1 = re.findall(r'心$',b)# 匹配字符串结尾
ress1 = re.findall(r'\bhello\b',b)# 匹配一个单词的边界
ress1 = re.findall(r'he\Bll',b)# 匹配一个单词的边界
ress1 = re.findall(r'he\Bll',b)# 匹配一个单词的边界
print(ress1)

5、贪婪和非贪婪

正则默认都是用贪婪模式去匹配数据的，就是尽可能多的匹配符合要求的数据，

在非贪婪模式下，始终找最短匹配

a = '<img src = "xiaomeimei.jpg" alt="这是图片">'
b = '<html>000</html><td>ddd</td>'
print(re.findall(r'<.*>',b))# 贪婪
print(re.findall(r'<.*?>',b))# 加上？变成非贪婪
print(re.findall(r'-(\d+)(.+-)','-123456789-'))
print(re.findall(r'-(\d+?)(.+-)','-123456789-'))

import re

aa = '<img src="https://rpic.douyucdn.cn/live-cover/roomCover/2019/02/14/7205b97c8db9ddf9109153f294f14b21_big.jpg?x-oss-process=image/format,webp" class="DyImg-content is-normal ">'
a = re.search(r"https://.*?\.jpg", aa)
b = a.group()

import requests
rc = requests.get(b)
qiye = rc.content
with open('test.jpg', 'wb') as f:
    f.write(qiye)
    
--------------------------------------
a = '''<img src="https://img.tupianzj.com/uploads/allimg/202005/9999/184cb9395c.jpg" id="bigpicimg" alt="">'''

b = re.findall(r'src="(https:.*?\.jpg)"', a)
# qiye = re.findall(r'<img src="(.*?\.jpg)"', a)
r'<img src="([^"]+\.jpg)"'
print(b)


import requests
rc = requests.get(b[0])
qiye = rc.content
with open('test.jpg', 'wb') as f:
    f.write(qiye)
--------------------------------------------
import re

# 1----9     \d
# 10----99    [1-9]\d
# 100----199   1\d{2}
# 200----249   2[0-4]\d
# 250---255    25[0-5]
for i in range(256):
    a = str(i)

    a = re.match(r"^(25[0-5]|2[0-4]\d|1\d{2}|[1-9]\d|\d)$", a)
    print(a.group())
------------------------------------------
手机号
bb = '18390970027'
bbb = re.match(r'1[35678]\d{9}',bb)
print(bbb.group())