day20:正则表达式
单个字符的匹配
findall(正则表达式,字符串) 把符合正则表达式的字符串存在列表中返回
预定义字符集(8)
\d 匹配数字
\D 匹配非数字
\w 匹配数字字母下划线
\W 匹配非数字或字母或下划线
\s 匹配任意的空白符
\S 匹配任意的非空白符
\n 匹配一个换行符
\t 匹配一个制表符
# ### 预定义字符集 # \d 匹配数字 strvar = "sdfsdf*(&*(&(2ui3" lst = re.findall("\d",strvar) print(lst) # \D 匹配非数字 strvar = "sdfsdf*(&*(&(2ui3" lst = re.findall("\D",strvar) print(lst) # \w 匹配字母数字下划线 strvar = "sadf*)(*_)456你你好" lst = re.findall("\w",strvar) print(lst) # \W 匹配非字母或数字或下划线 strvar = "sadf*)(*_)456你你好" lst = re.findall("\W",strvar) print(lst) # \s 匹配任意的空白符 (\n \t \r ' ') strvar = " " lst = re.findall("\s",strvar) print(lst) # \S 匹配任意非空白符 strvar = " abdd " lst = re.findall("\S",strvar) print(lst) # \n 匹配一个换行符 strvar = """ """ lst = re.findall(r"\n",strvar) print(lst) # \t 匹配一个制表符 strvar = """ """ lst = re.findall(r"\t",strvar) print(lst)
字符组
必须从字符组列举出来的字符当中抽取,默认一个,如果没有返回空.
# ### 字符组[] 必须从字符组列举出来的字符当中抽取,默认一个,如果没有返回空 strvar = "abpoiuc" lst = re.findall("[abc]",strvar) print(lst) # ['a', 'b', 'c'] print(re.findall('a[abc]b','aab abb acb adb')) # aab abb acb print(re.findall('a[0123456789]b','a1b a2b a3b acb ayb')) # a1b a2b a3b # - 代表到,代表的是范围 # 0-9 0到9这么多的数字 print(re.findall('a[0-9]b','a1b a2b a3b acb ayb')) # a1b a2b a3b # a-g => abcdefg print(re.findall('a[abcdefg]b','a1b a2b a3b acb ayb adb')) # acb adb print(re.findall('a[a-g]b','a1b a2b a3b acb ayb adb')) # acb adb # a-z => 26个小写字母 print(re.findall('a[a-z]b','a1b a2b a3b acb ayb adb')) # acb ayb adb # A-G => ABCDEFG print(re.findall('a[ABCDEFG]b','a1b a2b a3b aAb aDb aYb')) #aAb aDb print(re.findall('a[A-G]b','a1b a2b a3b aAb aDb aYb')) #aAb aDb # A-Z=> 26个大写字母 print(re.findall('a[A-Z]b','a1b a2b a3b aAb aDb aYb')) #aAb aDb aYb print(re.findall('a[0-9a-zA-Z]b','a-b aab aAb aWb aqba1b')) # aab aAb aWb aqb a1b # 0-z 不会单纯的匹配小写大写字母和数字,还会匹配到特殊的符号,比如_和@ print(re.findall('a[0-z]b','a_ba@b aab aAb aWb aqba1b')) # aab aAb aWb aqb a1b print(re.findall('a[0-9][*#/]b','a1/b a2b a29b a56b a456b')) #a1/b # ^ 除了 , 在字符组当中,开头的位置使用 print(re.findall('a[^-+*/]b',"a%b ccaa*bda&bd")) #a%b a&b
匹配 ^ -
# 如果想要匹配^ - 需要前面加上\进行转义 lst = re.findall("a[\^\-]b","a+b a-b a^b") print(lst) # ['a-b', 'a^b']
匹配 /
# 匹配 \ """\b 本身也是转义字符 : 退格(把光标向左移动一位)""" lst = re.findall(r"a\\b",r"a\b") print(lst[0])
多个字符的匹配
量词(4)
? 0-1
+ 1-N
* 0-N
{m,n} M-N
# 量词 '''1) ? 匹配0个或者1个a ''' print(re.findall('a?b','abbzab abb aab')) # ab b ab ab b ab '''2) + 匹配1个或者多个a ''' print(re.findall('a+b','b ab aaaaaab abb')) # ab aaaaaab ab '''3) * 匹配0个或者多个a ''' print(re.findall('a*b','b ab aaaaaab abbbbbbb')) # b ab aaaaaab ab b b b b b b '''4) {m,n} 匹配m个至n个a ''' # 1 <= x <= 3 print(re.findall('a{1,3}b','aaab ab aab abbb aaz aabb')) # aaab ab aab ab aab # {2,} 至少2次 print(re.findall('a{2,}b','aaab ab aab abbb aaz aabb')) # aaab aab aab # {2,} 必须2次 print(re.findall('a{2}b','aaab ab aab abbb aaz aabb')) # aab aab aab
贪婪匹配和非贪婪匹配
1.贪婪匹配 : 默认向更多次数匹配(回溯算法)
非贪婪匹配 : 默认向更少次数匹配
2.非贪婪匹配在量词的后面接?
例如：.?? .+? .*? {4,}?
3.回溯算法 : 从左向右进行匹配,直到匹配到最后,再也找不到了,回头,找最后一个(递归)
4. . 匹配任意字符，除了换行符\n
# 练习题 strvar = "刘能和刘老根和刘铁柱子111子222" lst = re.findall("刘.",strvar) # ['刘能', '刘老', '刘铁'] print(lst) lst = re.findall("刘.?",strvar) # ['刘能', '刘老', '刘铁'] print(lst) lst = re.findall("刘.+",strvar) # ['刘能和刘老根和刘铁柱子111子222'] print(lst) lst = re.findall("刘.*",strvar) # ['刘能和刘老根和刘铁柱子111子222'] print(lst) lst = re.findall("刘.{4,}子",strvar) # ['刘能和刘老根和刘铁柱子111子'] print(lst) # 非贪婪匹配 lst = re.findall("刘.??",strvar) # ['刘', '刘', '刘'] print(lst) lst = re.findall("刘.+?",strvar) # ['刘能', '刘老', '刘铁'] print(lst) lst = re.findall("刘.*?",strvar) # ['刘', '刘', '刘'] print(lst) lst = re.findall("刘.{4,}?子",strvar) # ['刘能和刘老根和刘铁柱子'] print(lst)
边界符
\b 本身也是转义字符 : 退格(把光标向左移动一位)
word
右边界: d\b
左边界: \bw
# 右边界 strvar = "word pwd scf" lst = re.findall(r"d\b",strvar) print(lst) # ['d', 'd'] lst = re.findall(r".*d\b",strvar) print(lst) # ['word pwd'] lst = re.findall(r".*?d\b",strvar) print(lst) # ['word', ' pwd'] # 左边界 lst = re.findall(r"\bw",strvar) print(lst) # ['w'] lst = re.findall(r"\bw.*",strvar) print(lst) # ['word pwd scf'] lst = re.findall(r"\bw.*?",strvar) print(lst) # ['w'] lst = re.findall(r"\bw.* ",strvar) print(lst) # ['word pwd '] lst = re.findall(r"\bw.*? ",strvar) print(lst) # ['word '] # \S 匹配的是非空白符 lst = re.findall(r"\bw\S*",strvar) print(lst) # ['word']
^ $：开头/结尾
^ 匹配字符串的开始(必须以... 开头)
$ 匹配字符串的结尾(必须以... 结尾)
当使用^ 和 $ 符号的时候,要把字符串看成整体
strvar = "大哥大嫂大爷" print(re.findall('大.',strvar)) # ['大哥', '大嫂', '大爷'] print(re.findall('^大.',strvar)) # ['大哥'] print(re.findall('大.$',strvar)) # ['大爷'] print(re.findall('^大.$',strvar)) # [] print(re.findall('^大.*?$',strvar)) # ['大哥大嫂大爷'] print(re.findall('^大.*?大$',strvar)) # [] print(re.findall('^大.*?爷$',strvar)) # ['大哥大嫂大爷'] print(re.findall('^g.*? ' , 'giveme 1gfive gay')) # ['giveme '] print(re.findall('five$' , 'aassfive')) # ['five'] print(re.findall('^giveme$' , 'giveme')) # ['giveme'] print(re.findall('^giveme$' , 'giveme giveme')) # [] print(re.findall('giveme' , 'giveme giveme')) # ['giveme', 'giveme'] print(re.findall("^g.*e",'giveme 1gfive gay')) # ['giveme 1gfive']
匹配分组
# 分组练习（用圆括号） print(re.findall('.*?_good','wusir_good alex_good secret男_good')) # ['wusir_good', ' alex_good', ' secret男_good'] # () 优先显示括号里面的内容 print(re.findall('(.*?)_good','wusir_good alex_good secret男_good')) # ['wusir', ' alex', ' secret男'] # ?: 取消显示括号里面的内容 print(re.findall('(?:.*?)_good','wusir_good alex_good secret男_good')) # ['wusir_good', ' alex_good', ' secret男_good'] # | 代表或 , a|b 匹配字符a 或者 匹配字符b . 把字符串长的写在前面,字符串短的写在后面 strvar = "abcdefg" lst = re.findall("a|b",strvar) print(lst) # ['a', 'b'] """在使用|的时候,把不容易匹配到的字符串放到前面,把容易匹配到的放到后面""" strvar = "abciuiuabcdwerewr" lst1 = re.findall("abc|abcd",strvar) # ['abc', 'abc'] lst2 = re.findall("abcd|abc",strvar) # 把不容易匹配的放到前面 ['abc', 'abcd'] print(lst1) print(lst2)
匹配分组练习
. 除了\n,匹配所有字符
\. 代表的.这个字符本身,不转义
1.小数和整数
strvar = ".34 .... 78. 78.12 56.3 .3 .4 .5 " # 匹配小数 lst = re.findall(r"\d+\.\d+",strvar) print(lst) # 匹配小数和整数 lst = re.findall(r"\d+\.\d+|\d+",strvar) print(lst) # 分组来表达小数和整数 lst = re.findall(r"\d+(\.\d+)?",strvar) print(lst) lst = re.findall(r"\d+(?:\.\d+)?",strvar) print(lst) # ['34', '78', '78.12', '56.3', '3', '4', '5']
2.匹配135或171的手机号
# 匹配135或171的手机号 strvar = "13566668888 17166668888" lst = re.findall(r"(?:135|171)\d{8}",strvar) print(lst) # ['13566668888', '17166668888'] # 用^$卡死长度,只能是一个手机号,不能是多个 strvar = "13566668888" lst = re.findall(r"^(?:135|171)\d{8}$",strvar) print(lst) # ['13566668888']
3.匹配www.baidu.com 或者 www.oldboy.com
strvar = "www.baidu.com www.lagou.com www.oldboy.com" lst = re.findall(r"(?:www).(?:baidu|oldboy).(?:com)",strvar) print(lst) # search 的用法 strvar = "www.baidu.com www.lagou.com www.oldboy.com" obj = re.search(r"www\.(baidu|oldboy)\.(com)",strvar) # 返回的是匹配到的结果 res = obj.group() print(res) # 通过group和下标可以获取到括号的内容(了解) print(obj.group(1)) print(obj.group(2)) # 返回的是括号分组里面的内容 res = obj.groups() print(res)
4.findall和search的区别
1.findall 是把所有符合条件的内容都匹配出来放到列表里
不能够把匹配到的结果和分组当中的内容显示在同一个界面当中
2.search 按照正则表达式,把第一次匹配到的内容返回出来,返回的是对象
能够把匹配到的结果和分组当中的内容显示在同一个界面当中
对象.group 返回的是匹配到的结果
对象.groups 返回的是括号分组里面的内容
如果匹配不到内容,返回的是None ,无法调用group 或者groups方法的
5."5*6-7/3" 匹配 5*6 或者 7/3 算出最后的结果
strvar = "5*6-7/3" # 匹配5*6 obj = re.search(r"\d+[*/]\d+",strvar) print(obj) strvar1 = obj.group() print(strvar1,type(strvar1),"<===>") # 5*6 <class 'str'> <===> # 计算5*6 num1,num2 = strvar1.split("*") print(num1,num2) strvar2 = str(int(num1) * int(num2)) print(strvar2 ,type(strvar2)) # "30" # 替换5*6 为字符串30 strvar3 = strvar.replace(strvar1,strvar2) print(strvar3 , type(strvar3)) # 30-7/3 <class 'str'> # 匹配7/3 obj = re.search(r"\d+[*/]\d+",strvar3) print(obj) strvar4 = obj.group() print(strvar4) # 7/3 # 计算7/3 num1,num2 = strvar4.split("/") strvar5 = str(int(num1) / int(num2)) print(strvar5 , type(strvar5)) # 替换7/3 为字符串2.333333333333 strvar6 = strvar3.replace(strvar4,strvar5) print(strvar6 , type(strvar6)) # 计算 30-2.3333333333333335 得出最后的结果 num1,num2 = strvar6.split("-") res = float(num1) - float(num2) print(res)
命名分组
反向引用
strvar = "<div> 今天天气不错~ </div>" lst = re.findall("<(.*?)>(.*?)<(.*?)>",strvar) print(lst) # [('div', ' 今天天气不错~ ', '/div')] # 反向引用 : 在匹配到的值,在引用一次 '''\1 把第一个小括号里面的内容,拿出来在匹配一下''' lst = re.findall(r"<(.*?)>(.*?)<(/\1)>",strvar) print(lst) # [('div', ' 今天天气不错~ ', '/div')] # \1 代表反向引用第一个括号 \2代表反向引用第二个括号 strvar = "a1b2cab" # strvar = "f1z2pfz" obj = re.search(r"(.*?)\d(.*?)\d(.*?)\1\2",strvar) print(obj) # <_sre.SRE_Match object; span=(0, 7), match='a1b2cab'> # 获取匹配到的内容 res1 = obj.group() print(res1) # a1b2cab # 获取分组里面的内容 res2 = obj.groups() print(res2) # ('a', 'b', 'c')
命名分组
""" (?P<组名>正则表达式) 给这个组起一个名字 (?P=组名) 引用之前组的名字,把该组名匹配到的内容放到当前位置 """ # 方法一 strvar = "a1b2cab" obj = re.search(r"(?P<tag1>.*?)\d(?P<tag2>.*?)\d(?P<tag3>.*?)\1\2",strvar) # 获取匹配到的内容 res1 = obj.group() print(res1) # 获取分组里面的内容 res2 = obj.groups() print(res2) # 方法二 strvar = "a1b2cab" obj = re.search(r"(?P<tag1>.*?)\d(?P<tag2>.*?)\d(?P<tag3>.*?)(?P=tag1)(?P=tag2)",strvar) # 获取匹配到的内容 res1 = obj.group() print(res1) # 获取分组里面的内容 res2 = obj.groups() print(res2)
