14.正则表达式

不念不忘少年蓝@ 2022-05-23 12:28 185阅读 0赞

1.正则表达式的概念

**正则表达式所面向的问题**

1)判断一个字符串是否匹配给定的格式

判断用户注册账号是否满足格式

2) 从字符串中按指定格式提取信息

抓取页面中的链接

例：

1)判断邮箱格式是否正确

使用r'^\[a-zA-Z0-9\]+@\[a-zA-Z0-9\]+\\.com$'

import re #导入re模块，稍后会讲
    
    s1 = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','10086@qq.com')
    print(s1)  #返回列表['10086@qq.com']
    
    s2 = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','beiqiu@qq.com')
    print(s2)  #返回列表['beiqiu@qq.com']
    
    s3 = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','10086qq.com')
    print(s3)  #匹配失败 返回空列表[]
    
    s4 = re.findall(r'^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.com$','10086@qq.cn')
    print(s4)  #匹配失败 返回空列表[]

2)抓取页面中特定的数据

import re
    
    html ="""
    <!DOCTYPE html>
    <html>
      <body>
        <div>
          <a href="10086">
          <a href="10010">
        </div>      
      </body>
    </html>
    """
    a = re.findall(r'<a href="(.*?)">',html)
    print(a)  #输出['10086', '10010']

2.re模块

在Python中需要通过正则表达式对字符串进行匹配的时候，可以使用一个模块来操作，名字为re

导入：import re

方法：

1)findall方法：在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回                         空列表

import re
    
    a = re.findall('python','i love python,python3 is  666')
    print(a) #输出['python','python']

2)search方法：re.search 扫描整个字符串,匹配成功 返回的是一个匹配对象（这个对象包含了我们匹配的信息）

注意：search只能匹配到从头开始的第一个，找到符合规则的就返回，不会一直往后找

import re
    
    a = re.search('python','i love python,python3 is  666')
    print(a) #输出<_sre.SRE_Match object; span=(7, 13), match='python'>

3)match方法：re.match 尝试从字符串的 起始位置匹配一个模式，匹配成功 返回的是一个匹配对象（这个对象                          包含了我们匹配的信息），如果不是起始位置匹配成功的话，match()返回的是空，

注意：match只能匹配到一个

*  可以通过group()提取匹配到的内容  
    
 *  可以通过span()提取匹配到的字符下标

import re
    
    a = re.match('python','python3 is  666')
    b = re.match('is','python3 is  666')
    print(a) #<_sre.SRE_Match object; span=(0, 6), match='python'>
    print(a.group(),a.span()) #python (0,6)
    print(b) #None

3.元字符

**单字符匹配**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <table> 
     <tbody> 
      <tr> 
       <th style="text-align:center;">字符</th> 
       <th style="text-align:center;">功能</th> 
      </tr> 
     </tbody> 
     <tbody> 
      <tr> 
       <td style="text-align:center;"><strong>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; .&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</strong></td> 
       <td style="text-align:center;">匹配任意一个字符（除了\n）</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">&nbsp; &nbsp; &nbsp; &nbsp; []&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</td> 
       <td style="text-align:center;">匹配[ ]中列举的字符</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">&nbsp; &nbsp; \d&nbsp;&nbsp;&nbsp;&nbsp;</td> 
       <td style="text-align:center;">匹配数字，即0-9</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">\D</td> 
       <td style="text-align:center;">匹配非数字</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">\s</td> 
       <td style="text-align:center;">匹配空白，即 空格，tab键</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">\S</td> 
       <td style="text-align:center;">匹配非空格</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">\w</td> 
       <td style="text-align:center;">匹配单词字符，即a-z，A-Z，0-9，_</td> 
      </tr> 
      <tr> 
       <td style="text-align:center;">\W</td> 
       <td style="text-align:center;">匹配非单词字符</td> 
      </tr> 
     </tbody> 
    </table></td> 
   <td>&nbsp;</td> 
  </tr> 
 </tbody> 
</table>

import re #习惯性加'r'，如下所示
    
    a = re.findall(r'.','python3 is great') #['p', 'y', 't', 'h', 'o', 'n', '3', ' ', 'i', 's', ' ', 'g', 'r', 'e', 'a', 't']
    b = re.findall(r'\d','python3 is great') #['3']
    c = re.findall(r'\s','python3 is great') #[' ',' ']
    d = re.findall(r'[a-z]','python3') #['p', 'y', 't', 'h', 'o', 'n']
    e = re.findall(r'[a-z][0-9]','python3') #['n3'] (第一个字符是字母，第二个是数字

**代表数量的元字符**

<table> 
 <tbody> 
  <tr> 
   <td style="text-align:center;"><strong>字符</strong></td> 
   <td style="text-align:center;"><strong>功能</strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">*</td> 
   <td style="text-align:center;">匹配前一个字符出现0次或者n次</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">+</td> 
   <td style="text-align:center;">匹配前一个字符出现1次或者n次</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">?</td> 
   <td style="text-align:center;">匹配前一个字符出现0次或1次</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">{m}</td> 
   <td style="text-align:center;">匹配前一个字符出现m次</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">{m，}</td> 
   <td style="text-align:center;">匹配前一个字符至少出现m次</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">{m，n}</td> 
   <td style="text-align:center;">匹配前一个字符出现从m到n次</td> 
  </tr> 
 </tbody> 
</table>

import re
    
    a = re.findall(r'3*','python3') #['', '', '', '', '', '', '3', ''] 'p'不是'3',相当于0次
    b = re.findall(r'3+','python3 is python3') #['3', '3']
    c = re.findall(r'p?','python3') #['p', '', '', '', '', '', '', '']
    d = re.findall(r'p{2}','ppython3 is perfect') #['pp']

**表示边界的元字符**

<table> 
 <tbody> 
  <tr> 
   <th style="text-align:center;">字符</th> 
   <th style="text-align:center;">功能</th> 
  </tr> 
 </tbody> 
 <tbody> 
  <tr> 
   <td style="text-align:center;">^</td> 
   <td style="text-align:center;">匹配字符串开头</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">$</td> 
   <td style="text-align:center;">匹配字符串结尾</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">\b</td> 
   <td style="text-align:center;">匹配一个单词的边界</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">\B</td> 
   <td style="text-align:center;">匹配非单词边界</td> 
  </tr> 
 </tbody> 
</table>

import re
    
    a = re.findall(r'^py','python3') #['py']
    b = re.findall(r'^py','12 py') #[]
    c = re.findall(r'n3$','python3') #['n3']
    d = re.findall(r'\bpy','python3 is good') #['py'] (单词以'py'为边界)

**分组匹配**

<table> 
 <tbody> 
  <tr> 
   <th style="text-align:center;">字符</th> 
   <th style="text-align:center;">功能</th> 
  </tr> 
 </tbody> 
 <tbody> 
  <tr> 
   <td style="text-align:center;">|</td> 
   <td style="text-align:center;">匹配左右任意一个表达式(或运算)</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">（ab）</td> 
   <td style="text-align:center;">将括号中字符作为一个分组(整体)</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">\num</td> 
   <td style="text-align:center;">引用分组num匹配到的字符串</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">（?P&lt;name&gt;）</td> 
   <td style="text-align:center;">分组起别名</td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">（?P=name）</td> 
   <td style="text-align:center;">引用别名为name分组匹配到的字符串</td> 
  </tr> 
 </tbody> 
</table>

import re
    s = "beiqiu@126.com"
    p = r"(\w{3,20})@(163|qq|gmail|126)\.(com)"  #括号内是一个整体
    print(re.match(p,s).group()) #beiqiu@126.com
    print(re.match(p,s).group(1)) #beiqiu

import re
    s = '<html><h1>I love python</h1></html>'
    p = r"<(?P<key1>.+)><(?P<key2>.+)>(.+)</(?P=key2)></(?P=key1)>" #重命名并引用
    print(re.match(p,s).group('key1')) #html
    print(re.match(p,s).group('key2')) #h1

4.贪婪和非贪婪

**正则默认都是用贪婪模式去匹配数据的，就是尽可能多的匹配符合要求的数据**

**在非贪婪模式下，始终找最短匹配**

import re
    s1 = '<html><h1>I love python</h1></html>'
    p1 = r"<.*>"
    p2 = r"<.*?>"
    print(re.match(p1,s1).group()) #<html><h1>I love python</h1></html>
    print(re.match(p2,s1).group()) #<html>
    
    s2 = '-123456789-'
    p3 = r'-(\d+)(.+-)'
    p4 = r'-(\d+?)(.+-)'
    print(re.match(p3,s2).group(1),re.match(p3,s2).group(2)) #12345678 9-
    print(re.match(p4,s2).group(1),re.match(p4,s2).group(2)) #1 23456789-