Python基础 21

正则表达式介绍

　　它是一门独立的语言，跟Python等语言无关，但是其他语言可以使用它完成一些功能，主要用来选数据

　　^(13|14|15)[0-9]{9}$ 正则表达式

　　正则表达式：

　　　　利用一些特殊符号匹配出想要的数据就是正则表达式

字符组

　　[0123456789]  匹配0-9之间的数字

　　[0-9] 匹配0-9之间的数据

　　\d 匹配0-9之间的数据

　　[a-z] 匹配a-z之间的字符

　　[A-Z] 匹配A-Z之间字符

　　匹配0-9a-zA-Z如何写　　

　　　　[0123456789ABCDEFGHIJ...abcdefghij...]
　　　　[0-9A-Za-z]

字符　

　　. 匹配除换行符以外的任意字符 # 掌握
　　\w 匹配字母或数字或下划线 # 掌握
　　\s 匹配任意的空白符
　　\d 匹配数字 # 掌握
　　\n 匹配一个换行符 # 掌握
　　\t 匹配一个制表符
　　\b 匹配一个单词的结尾
　　^ 匹配字符串的开始 # 掌握
　　$ 匹配字符串的结尾 # 掌握
　　\W 匹配非字母或数字或下划线
　　\D 匹配非数字
　　\S 匹配非空白符
　　a|b 匹配字符a或字符b # 掌握
　　() 匹配括号内的表达式，也表示一个组
　　[...] 匹配字符组中的字符 # 掌握
　　[^...] 匹配除了字符组中字符的所有字符 # 掌握

量词　

　　1. 量词只能影响前面的一个字符
　　2. 量词不能单独使用，必须配合其他字符串使用
　　* 重复零次或更多次
　　+ 重复一次或更多次
　　? 重复零次或一次
　　{n} 重复n次
　　{n,} 重复n次或更多次
　　{n,m} 重复n到m次

贪婪匹配和非贪婪匹配

　　 待匹配的字符

　　<script>123</script>

　　正则表达式是：
　　　　<.*>

　　 匹配结果是：
　　　　<script>123</script>

　　默认匹配的是贪婪匹配：尽可能的多匹配
　　把贪婪匹配转为非贪婪匹配
　　　　<.*?> 非贪婪匹配尽可能的少匹配

　　.*?组合的用法

小练习

　　^[1-9]\d{13,16}[0-9x]$
　　^[1-9]\d{13,16}[0-9x]$
　　^[1-9]\d{14}(\d{2}[0-9x])?$
　　^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

　　由于正则表达式的复杂性，所以，以后遇到常见的匹配规则，我们就去百度搜
　　1. 写一个匹配常见的手机号的正则
　　　　^((13[0-9])|(14[5,7])|(15[0-3,5-9])|(17[0,3,5-8])|(18[0-9])|166|198|199|(147))\d{8}$

re模块

　　1. re是内置的模块，可以直接使用
　　2. 在python中，要想使用正则需要借助于re模块
　　　　re: regular express

import re

# re.findall('这是正则表达式', '待匹配的文件')

# res=re.findall('b', 'eva jason kavin')
# print(res)  # ['a', 'a', 'a']
# 如果匹配不到字符，就返回空列表[]

# res=re.search('b', 'eva jason kavin')
# print(res)
# print(res.group())

"""如果匹配不到，就返回None"""
# if res:
#     print(res.group())
# else:
#     print('没有匹配到')

# try:
#     print(res.group())
# except Exception:
#     print('没有找到')


res=re.match('a', 'aeva jason kavin')  # 从开头开始匹配
print(res)
print(res.group())

分组

　

# 分组相关

# res = re.search('^[1-9](\d{14})(\d{2}[0-9x]?)$','110105199812067023')
# print(res)
# print(res.group())
# print(res.group(1))
# print(res.group(2))

# 无名分组
# 对于findall，它具有分组优先展示, 也称之为是无名分组
# res = re.findall('^[1-9]\d{14}(?:\d{2}[0-9x]?)$','110105199812067023')
# print(res)  # ['023']


# 有名分组
res = re.search('^[1-9]\d{14}(?P<month>\d{2}[0-9x]?)$','110105199812067023')
print(res)
# print(res.group(1))
print(res.group())
print(res.group(1))
print(res.group('month'))

正则实战案例

import re
with open('hongniu','r',encoding='utf8')as f :
    res=f.read()
cdm=re.findall('<h2>(.*?)</h2>',res)

cdm1=re.findall("<p class='mapIco'>(.*?)</p>",res)

cdm2=re.findall("<p class='mailIco'>(.*?)</p>",res)

cdm3=re.findall("<p class='telIco'>(.*?)</p>",res)

cmd=zip(cdm,cdm1,cdm2,cdm3)
# print(list(cmd))
for item in list(cmd):
    print('''
    公司名称：%s
    公司地址：%s
    公司邮箱：%s
    公司电话：%s
    
    '''%(item[0],item[1],item[2],item[3]))