re模块
re模块
- 1)什么是正则表达式与re模块?
- 正则表达式:
正则表达式是一门独立的技术, 任何语言都可以使用正则表达式,
正则表达式是由一堆特殊的字符组合而来的。
- 字符组
- 元字符
- 组合使用
- re模块:
在python中,若想使用正则表达式,必须通过re模块来实现。
- 2)为什么要使用正则?
比如要获取“一堆字符串”中的“某些字符”,
正则表达式可以帮我们过滤,并提取出想要的字符数据。
# 比如过滤并获取 “tank”
'wafawrjkwagfiu21knriut8ankjfdgau0q92ru20yrisana tank wyqfwqrqyr9q 9'
- 应用场景:
- 爬虫: re, BeautifulSoup4, Xpath, selector
- 数据分析过滤数据: re, pandas, numpy...
- 用户名与密码、手机认证:检测输入内容的合法性
- 用户名: na tank
- 3)如何使用?
import re
# 1、检测手机号码的合法性: # 纯python校验 # 需求: 11位、开头13/14/15/19 while True: phone_number = input('请输入手机号码:').strip() not > and > or if len(phone_number) == 11 and (phone_number.startswith( '13' ) or phone_number.startswith( '14' ) or phone_number.startswith( '15' ) or phone_number.startswith( '19' )): print('手机号码合法!') break else: print('手机号码不合法!')
# re校验 import re while True: phone_number = input('请输入手机号码:').strip() # 需求: 11位、开头13/14/15/19 # 参数1: 正则表达式 '' # 参数2: 需要过滤的字符串 # ^: 代表“开头” # $: 代表“结束” # |: 代表“或” # (13|14): 可以获取一个值,判断是否是13或14. # {1}: 需要获取1个值 限制数量 # []: 分组限制取值范围 # [0-9]: 限制只能获取0——9的某一个字符。 if re.match('^(13|14|15|19)[0-9]{9}$', phone_number): print('合法') break else: print('不合法')
''' - 字符组: - [0-9] 可以匹配到一个0-9的字符 - [9-0]: 报错, 必须从小到大 - [a-z]: 从小写的a-z - [A-Z]: 从大写A-Z - [z-A]: 错误, 只能从小到大,根据ascii表来匹配大小。 - [A-z]: 总大写的A到小写的z。 注意: 顺序必须要按照ASCII码数值的顺序编写。 ''' import re # res = re.match('[A-Za-z0-9]{8}', 'Tank9527') print(res) # 获取一个 print(res.group())
- 元字符 - 组合使用 - \w\W: 匹配字母数字下划线与非字母数字下划线,匹配所有。 - \d\D: 无论是数字或者非数字都可以匹配。 - \t: table - \n: 换行 - \b: 匹配单词结尾,tank jasonk - ^: startswith - '^'在外面使用: 表示开头。 - [^]: 表示取反的意思。 - $: endswith - ^$: 配合使用叫做精准匹配,如何限制一个字符串的长度或者内容。 - |: 或。ab|abc如果第一个条件成立,则abc不会执行,怎么解决,针对这种情况把长的写在前面就好了,一定要将长的放在前面。 - [^...]: 表示取反的意思。 - [^ab]: 代表只去ab以外的字符。 - [^a-z]: 取a-z以外的字符。
re模块三种比较重要的方法: - findall(): ----> [] 可以匹配 "所有字符" ,拿到返回的结果,返回的结果是一个列表。 'awfwaghowiahioawhio' # a ['a', 'a', 'a', 'a'] - search():----> obj ----> obj.group() 'awfwaghowiahioawhio' # a 在匹配一个字符成功后,拿到结果后结束,不往后匹配。 'a' - match():----> obj ----> obj.group() 'awfwaghowiahioawhio' # a 'a' 'wfwaghowiahioawhio' # a None 从匹配字符的开头匹配,若开头不是想要的内容,则返回None。
import re str1 = 'sean tank json' # findall res = re.findall('[a-z]{4}', str1) print(res) # ['sean', 'tank', 'json'] # search res = re.search('[a-z]{4}', str1) print(res) print(res.group()) # match res = re.match('sean', str1) print(res) print(res.group())