python之正则表达式

python之正则表达式

正则通，通则达。

昨日简述

文件类型

两种：执行文件与被执行文件。

分别：用__ name __ 分别。

启动脚本：if __ name __ = '__ main __'

循环导入

概念：两个文件相互导入。

缺陷：可能会报错或重复运行。

避免方式：做到名全部定义好后才出现调用，或者不让循环导入情况出现。

模块的查找顺序

内存——>内置——>sys.path

绝对导入与相对导入

绝对导入：以项目根目录为基准导入模块，可将目标地址添加到sys.path。

相对导入：只能在模块文件中使用，限制较多，但是较为省代码。

包

概念：内部含有多个模块文件，并拥有__ init __.py的文件夹。

作用：更好的去管理相性较高的模块文件。

使用：调用包的名，类似调用__ init __.py,或者直接导入包内部的名。

编程思想的演变

1. 堆代码式编写

   熟悉代码的过程

2. 函数功能编写

   熟练函数的过程

3. 模块调用式编写

   逐步完善的写法

软件开发目录规范

要求：项目工作中，软件文件名最好为英文。

ATM项目根目录
bin文件夹
启动文件的存放目录
start.py

conf文件夹
配置文件的存放目录
settings.py

core文件夹
项目整个运行逻辑的文件存放目录
src.py

lib文件夹
共同的功能存放目录
common.py

log文件夹
日志存放目录
log.txt

db文件夹
核心数据存放目录
userinfo.txt

readme文件
类似于项目说明书
requirements.txt文件

今日学习内容

正则表达式的作用

生活中常见例子：获取手机号

如果使用python实现，需要成为if战神。

但是如果使用正则表达式

import re
phone_number = input('请输入您的手机号：').strip()
if re.match('^(13|14|15|18|19)[0-9]{9}$', phone_number):
		执行子代码
else：
		print('请输入正确的手机号')		

代码量十分精简明了。

正则表达式是一门独立的语言，主要依靠特殊符号去判断筛选数据，在任意的编程语言中都使用，只不过在python中使用的话需要调用re模块。

正则表达式字符

使用中括号[ ]内部填什么数据就会筛选出什么数据。

[0-9] 筛选出0到9的数据

[a-z] 筛选出a到z的数据

[A-Z] 筛选出A到Z的数据

[0-9a-zA-Z] 筛选任意一个数字或者大小写字母

正则表达式特殊符号

. 筛选出除了换行符以外任意字符

\w 筛选出数字、字母、下划线

\d 筛选出任意数字

\t 筛选出一个制表符(tap键)

^ 筛选字符串的开始

$ 筛选字符串的结尾

\W 筛选出非字母数字和下划线

\D 筛选出非数字

a|b 匹配a或者b，管道符就是or的意思

（） 给正则表达式分组

[] 字符组的概念，里面数据都是或的关系

[^] 上键号出现在中括号的意思是取反操作

正则表达式量词

量词必须跟在表达式后面，目的是获得更多满足筛选条件的数据

量词默认都是贪婪匹配，尽可能取出多个满足筛选的数据。

星号* 重复0次或者多次

加号+ 重复0次或者多次

问号？ 重复0次或者一次

{n} 重复n次

{n,} 重复最少n次，或者多次

{n，m} 重复n到m次，最多m次

复杂正则的编写

校验用户身份证号

“身份证号码是18位数。这18位数实际上是由17位数字码加1位校验码组成的。(1)前1、2位数字表示所在省份的代码。(2)第3、4位数字表示所在城市的代码。(3)第5、6位数字表示所在区县的代码。(4)第7、8、9、10位是出生的年份。”

身份证:^[1]{17}[0-9x]

邮箱：\w[-\w.+]*@([A-Za-z0-9][-A-Za-z0-9]+.)+[A-Za-z]{2,14}

中文：[\u4e00-\u9fa5]

用户名：[A-Za-z0-9_-\u4e00-\u9fa5]+

能理解了嘛？

取消转义

\n 取消转义,需要在前面再加一个\

在python中可以直接使用最前面加r取消转义

贪婪匹配和非贪婪匹配

量词默认都是贪婪匹配，即尽可能的获取多个数据

如需修改成非贪婪匹配，在量词后面加上?即可。

<.*>		<script>alert(123)<script>       	1条		贪婪匹配
			以最后一个大括号的出现作为结束标志
<.*?>   <script>alert(123)<script>			 2条   非贪婪匹配
			以第一个大括号的出现作为结束标志

re模块

在python中无法直接使用正则表达式，需要先调用re模块。

作业

import re  # 调用一个正则表达式模块
import requests  # 调用一个获取页面原代码的模块
res = requests.get(url="http://www.redbull.com.cn/about/branch")  # 获取红牛页面的源代码
with open('1.txt','wb') as f1:  # 用二进制重写一个文件夹，没有就创建，将其赋值给f1
    for i in res:		# 循环将res红牛页面源代码赋值给i
        f1.write(i)  # 将i写入f1
# 取一段需要获取信息的源代码，列出来。
# data-describe='杭州市上城区庆春路29号远洋大厦11楼A座'>  # 正则表达式 data-describe=\'(.*?)\'>
# <h2>红牛杭州分公司</h2>  # 正则表达式 <h2>(.*?)</h2>
# <p class='mapIco'>杭州市上城区庆春路29号远洋大厦11楼A座</p>  # 正则表达式 <p class=\'mapIco\'>(.*?)</p>  
# <p class='mailIco'>310009</p>  # 正则表达式 <p class=\'mailIco\'>(.*?)</p>
# <p class='telIco'>0571-87045279/7792</p>  # 正则表达式 <p class=\'telIco\'>(.*?)</p>

# 用一个变量名接收，小括号是为了让他每一段源代码获取到底数据转化成一个元组，\''是为了取消''在python中的特殊含义
com = re.compile('data-describe=\'(.*?)\'><h2>(.*?)</h2><p class=\'mapIco\'>(.*?)</p><p class=\'mailIco\'>(.*?)</p><p class=\'telIco\'>(.*?)</p>')
with(open('1.txt','r',encoding='utf8')) as f2:  # 直接文本模式读取1.txt文件，赋值给f2
        res2 = f2.read()  # 读取全部 赋值给f1
        res1 = re.findall(com,res2)  # 使用re正则表达式模块的模板功能，参数1放事先写好的com，参数2放目标文件
for i in res1:  # res1内部是一个列表套元组，循环取出每个元组，然后利用索引取值，
    print(
        f"""
            公司名称：{i[1]}
            地址：{i[2]}
            邮编：{i[3]}
            电话：{i[4]}
        """
    )

感谢看完！

今日小结

学到了新鲜的知识！！！！！

---

1. \d ↩︎