python-re正则、jsonpath返回值提取

正则：https://mp.weixin.qq.com/s/amaYB0Z_r8wbbjHHk3vshg

re

正则：https: // mp.weixin.qq.com / s / amaYB0Z_r8wbbjHHk3vshg

re

"""
re.match 从头开始匹配 
    re.match(pattern, string, flags=0)
    只匹配第一个，返回对象
    先判断赋值的变量，加.group（）返回值

re.search 匹配包含
    re.search(pattern, string, flags=0)
    只匹配一个，返回对象

re.findall 把所有匹配到的字符放到以列表中的元素返回
    re.findall(pattern, string, flags=0)
    match and search均用于匹配单值，即：只能匹配字符串中的一个，如果想要匹配到字符串中所有符合条件的元素，则需要使用 findall。

re.split 以匹配到的字符当做列表分隔符
    re.split(pattern, string, maxsplit=0, flags=0)

re.sub 匹配字符并替换
    re.sub(pattern, repl, string, count=0, flags=0)
    比str.replace 更强大

re.fullmatch 全部匹配
    re.fullmatch(pattern, string, flags=0)
    需要完全的对上，才可以匹配上
    整个字符串匹配成功就返回re object, 否则返回None
    re.fullmatch('\w+@\w+\.(com|cn|edu)',alex@oldboyedu.cn)

re.compile 根据包含正则表达式的字符串创建模式对象
    re.compile(pattern, flags=0)
    prog = re.compile(pattern)
    result = prog.match(string)
    两步，等同于result = re.match(pattern, string)

    为什么还要做这个东西呢？
    因为系统在收到语法后，先把语法转化为逻辑条件语句，然后再那后面的字符串进去进行对比，把他们分开就省掉了一半系统工作量，提高效率
"""

"""
*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配，尽可能少的匹配
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
合在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：.*?x 就是取前面任意长度的字符，直到一个x出现

"""

"""
'.'     默认匹配除\n之外的任意一个字符，若指定flag DOTALL,则匹配任意字符，包括换行
'^'     匹配字符开头，若指定flags MULTILINE,这种也可以匹配上(r"^a","\nabc\neee",flags=re.MULTILINE)
'$'     匹配字符结尾， 若指定flags MULTILINE ,re.search('foo.$','foo1\nfoo2\n',re.MULTILINE).group() 会匹配到foo1
'*'     匹配*号前的字符0次或多次， re.search('a*','aaaabac')  结果'aaaa'
'+'     匹配前一个字符1次或多次，re.findall("ab+","ab+cd+abb+bba") 结果['ab', 'abb']
'?'     匹配前一个字符1次或0次 ,re.search('b?','alex').group() 匹配b 0次
'{m}'   匹配前一个字符m次 ,re.search('b{3}','alexbbbs').group()  匹配到'bbb'
'{n,m}' 匹配前一个字符n到m次，re.findall("ab{1,3}","abb abc abbcbbb") 结果'abb', 'ab', 'abb']
'|'     匹配|左或|右的字符，re.search("abc|ABC","ABCBabcCD").group() 结果'ABC'
'(...)' 分组匹配， re.search("(abc){2}a(123|45)", "abcabca456c").group() 结果为'abcabca45'

[^\]    匹配任何不在指定范围内的任意字符

'\A'    只从字符开头匹配，re.search("\Aabc","alexabc") 是匹配不到的，相当于re.match('abc',"alexabc") 或^
'\Z'    匹配字符结尾，同$
'\d'    匹配数字0-9
'\D'    匹配非数字
'\w'    匹配[A-Za-z0-9]
'\W'    匹配非[A-Za-z0-9]
's'     匹配空白字符、\t、\n、\r , re.search("\s+","ab\tc1\n3").group() 结果 '\t'
"""

"""
flags是匹配模式
.re.I     (re.IGNORECASE): 忽略大小写 
.re.M  (MULTILINE): 多行模式，改变'^'和'$'的行为 
.re.S   (DOTALL): 点任意匹配模式，改变'.'的行为 
.re.L   (LOCALE): 使预定字符类 \w \W \b \B \s \S 取决于当前区域设定 
.re.U  (UNICODE): 使预定字符类 \w \W \b \B \s \S \d \D 取决于unicode定义的字符属性 
.re.X  (VERBOSE): 详细模式。这个模式下正则表达式可以是多行，忽略空白字符，并可以加入注释

"""

s = 'one1two2three3four4five12345'
k = re.compile('\d+')  # '\d+'相当于'\d\d\d'
# findall()函数的三种表示形式
print(k.findall(s))
print(re.findall(k, s))
print(re.findall('\d+', s))
print(re.findall('one1(.*?)2three', s))  #包含匹配

# 替换
s = 'one1two2three3xfour4five12345'
print(re.sub('e', 'E', s))
print(s.replace('e', 'E'))

# (?P<name>...)' 分组匹配
s = "371481199306143242"
k = "(?P<province>[0-9]{4})(?P<city>[0-9]{2})(?P<birthday>[0-9]{4})"
print(re.search(k, s).groupdict("city"))

s = 'one1two2three3xfour4five12345'
print(re.match('.*', s))
print(re.match('.*?', s))
print(re.match('.*?x', s))

 

 

jsonpath

import requests,jsonpath
#. or []    取子节点
#..         不管位置，选择所有符合条件的节点

shop=requests.get(url="").json()
#商店里所有书籍的作者
author_list=jsonpath.jsonpath(shop,'$.store.book[*].author')

#返回所有的作者
author_list2=jsonpath.jsonpath(shop,'$..author')

#商店里的所有东西
category_dx=jsonpath.jsonpath(shop,'$.store.*')

#商店里一切的价格
store_price_list=jsonpath.jsonpath(shop,'$.store..price')

#第三本书
book_3=jsonpath.jsonpath(shop,'$..book[2]')

#最后一本书
book_last=jsonpath.jsonpath(shop,'$..book[-1]')
num=len(jsonpath.jsonpath(shop,'$..book'))-1
book_last=jsonpath.jsonpath(shop,f'$..book[{num}]')  #取值

#前两本书
book_12=jsonpath.jsonpath(shop,f'$..book[0,1]')

#过滤所有便宜10以上的书籍
book_lg10=jsonpath.jsonpath(shop,'$..book[?(@.price<10)]')

#使用isbn number过滤所有书籍
book_lg10=jsonpath.jsonpath(shop,'$..book[?(@.isbn)]')