14_Python正則表達(dá)式與re模塊_全棧開發(fā)學(xué)習(xí)筆記

1. 正則表達(dá)式的引出

范例1:
你怎么判斷這個(gè)phone_number是合法的呢?
根據(jù)手機(jī)號(hào)碼一共11位并且是只以13、14逞壁、15流济、18開頭的數(shù)字這些特點(diǎn),我們用python寫了如下代碼:

while True:
    phone_number = input('please input your phone number : ')
    if len(phone_number) == 11 \
            and phone_number.isdigit()\
            and (phone_number.startswith('13') \
            or phone_number.startswith('14') \
            or phone_number.startswith('15') \
            or phone_number.startswith('18')):
        print('是合法的手機(jī)號(hào)碼')
    else:
        print('不是合法的手機(jī)號(hào)碼')

執(zhí)行結(jié)果:

please input your phone number : 1923
不是合法的手機(jī)號(hào)碼
please input your phone number : 18123456789
是合法的手機(jī)號(hào)碼


范例2:
運(yùn)用正則表達(dá)式的寫法

import re
phone_number = input('please input your phone number : ')
if re.match('^(13|14|15|18)[0-9]{9}$',phone_number):
        print('是合法的手機(jī)號(hào)碼')
else:
        print('不是合法的手機(jī)號(hào)碼')

執(zhí)行結(jié)果:

please input your phone number : 139
不是合法的手機(jī)號(hào)碼

please input your phone number : 18123456789
是合法的手機(jī)號(hào)碼


1.1 正則表達(dá)式在線工具

正則表達(dá)式在線測(cè)試工具


1.2 正則表達(dá)式使用規(guī)范表

正則表達(dá)式使用規(guī)范表


2. RE模塊

2.1 findall(重要)

想找到所有結(jié)果
范例:

import re

ret = re.findall('a', 'eva egon yuan')  # 返回所有滿足匹配條件的結(jié)果,放在列表里
print(ret)

ret = re.findall('[a-z]+', 'eva egon yuan')  # 返回所有滿足匹配條件的結(jié)果,放在列表里
print(ret)

執(zhí)行結(jié)果:

['a', 'a']
['eva', 'egon', 'yuan']


2.2 search(重要)

想只找到一個(gè)結(jié)果

import re

ret = re.search('a', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.search('j', 'eva egon yuan')
if ret:
    print(ret.group())
#從前往后腌闯,找到一個(gè)就返回,返回的變量需要調(diào)用group才能拿到結(jié)果
#如果沒有找到绳瘟,那么返回None,調(diào)用group會(huì)報(bào)錯(cuò)

執(zhí)行結(jié)果:

a



2.3 match(重要)

想在開頭就匹配上

import re

ret = re.match('e', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.match('ev', 'eva egon yuan')
if ret:
    print(ret.group())

ret = re.match('[a-z]+', 'eva egon yuan')
if ret:
    print(ret.group())
# match是從頭開始匹配姿骏,如果正則規(guī)則從頭開始可以匹配上糖声,就返回一個(gè)變量。
# 匹配的內(nèi)容需要用group才能顯示
# 如果沒匹配上分瘦,就返回None蘸泻,調(diào)用group會(huì)報(bào)錯(cuò)

執(zhí)行結(jié)果:

e
ev
eva


2.4 split

當(dāng)要分割一個(gè)字符串的時(shí)候

ret = re.split('[ab]', 'abcd')
# # 先按'a'分割得到''和'bcd',再對(duì)''和'bcd'分別按'b'分割
print(ret)

執(zhí)行結(jié)果:

['', '', 'cd']


2.5 sub(常用)

當(dāng)要替換一個(gè)字符串的時(shí)候

import re

ret = re.sub('\d', 'H', 'eva3egon4yuan4',1)
#將數(shù)字替換成'H',參數(shù)1表示只替換1個(gè)
print(ret)

ret = re.sub('\d', 'H', 'eva3egon4yuan4')
#將數(shù)字替換成'H'嘲玫,無參數(shù)1表示替換所有
print(ret)

執(zhí)行結(jié)果:

evaHegon4yuan4
evaHegonHyuanH


2.6 subn

import re

ret = re.subn('\d', 'H', 'eva3egon4yuan49alex8')
#將數(shù)字替換成'H'悦施,返回元組(替換的結(jié)果,替換了多少次)
print(ret)

執(zhí)行結(jié)果:

('evaHegonHyuanHHalexH', 5)


2.7 compile

當(dāng)正則反復(fù)使用且正則較長的時(shí)候

import re

obj = re.compile('\d{3}')
#將正則表達(dá)式編譯成為一個(gè) 正則表達(dá)式對(duì)象,規(guī)則要匹配的是3個(gè)數(shù)字
ret = obj.search('abc123eeee') #正則表達(dá)式對(duì)象調(diào)用search去团,參數(shù)為待匹配的字符串
print(ret.group())

ret = obj.search('abcashgjgsdghkash456eeee3wr2') #正則表達(dá)式對(duì)象調(diào)用search抡诞,參數(shù)為待匹配的字符串
print(ret.group())

執(zhí)行結(jié)果:

123
456


2.8 finditer

要找的東西特別多的時(shí)候

import re
ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一個(gè)存放匹配結(jié)果的迭代器
print(ret)  # <callable_iterator object at 0x10195f940>
print(next(ret).group())  #查看第一個(gè)結(jié)果
print(next(ret).group())  #查看第二個(gè)結(jié)果
print(next(ret).group()) 
print([i.group() for i in ret])  #查看剩余的左右結(jié)果

ret = re.finditer('\d', 'ds3sy4784a')
for i in ret:
    print(i.group())

執(zhí)行結(jié)果:

<callable_iterator object at 0x000001A7D966F278>
3
4
7
['8', '4']

3
4
7
8
4


2.9 其他注意事項(xiàng):優(yōu)先級(jí)查詢

  1. search的分組優(yōu)先
import re

ret = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199912122277')
print(ret.group())
print(ret.group(1))    # 取第一個(gè)分組內(nèi)的內(nèi)容
print(ret.group(2))    # 取第二個(gè)分組內(nèi)的內(nèi)容

執(zhí)行結(jié)果:

110105199912122277
10105199912122
277


  1. findall取消分組優(yōu)先
import re

ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret)  # ['oldboy']     這是因?yàn)閒indall會(huì)優(yōu)先把匹配結(jié)果組里內(nèi)容返回,如果想要匹配結(jié)果,取消權(quán)限即可

ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')    # 使用?:用來取消分組優(yōu)先
print(ret)  # ['www.oldboy.com']

執(zhí)行結(jié)果:

['oldboy']
['www.oldboy.com']


  1. split的優(yōu)先級(jí)查詢
import re

ret=re.split("\d+","eva3egon4yuan")
print(ret) #結(jié)果 : ['eva', 'egon', 'yuan']

ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #結(jié)果 : ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上()之后所切出的結(jié)果是不同的,
#沒有()的沒有保留所匹配的項(xiàng)渗勘,但是有()的卻能夠保留了匹配的項(xiàng)沐绒,
#這個(gè)在某些需要保留匹配部分的使用過程是非常重要的俩莽。

執(zhí)行結(jié)果:

['eva', 'egon', 'yuan']
['eva', '3', 'egon', '4', 'yuan']


2.10 爬蟲例子1

import re
from urllib.request import urlopen

def getPage(url):
    response = urlopen(url)
    return response.read().decode('utf-8')

def parsePage(s):
    com = re.compile(
        '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>'
        '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)評(píng)價(jià)</span>', re.S)

    ret = com.finditer(s)
    for i in ret:
        yield {
            "id": i.group("id"),
            "title": i.group("title"),
            "rating_num": i.group("rating_num"),
            "comment_num": i.group("comment_num"),
        }


def main(num):
    url = 'https://movie.douban.com/top250?start=%s&filter=' % num
    response_html = getPage(url)
    ret = parsePage(response_html)
    print(ret)
    f = open("move_info7", "a", encoding="utf8")

    for obj in ret:
        print(obj)
        data = str(obj)
        f.write(data + "\n")
    f.close()

count = 0
for i in range(10):    # 10頁
    main(count)
    count += 25

# url從網(wǎng)頁上把代碼搞下來
# bytes decode ——> utf-8 網(wǎng)頁內(nèi)容就是我的待匹配字符串
# ret = re.findall(正則旺坠,帶匹配的字符串)  #ret是所有匹配到的內(nèi)容組成的列表

執(zhí)行結(jié)果:
生成一個(gè)move_info7的文件

{'id': '1', 'title': '肖申克的救贖', 'rating_num': '9.6', 'comment_num': '1283490人'}
{'id': '2', 'title': '霸王別姬', 'rating_num': '9.6', 'comment_num': '947284人'}
{'id': '3', 'title': '這個(gè)殺手不太冷', 'rating_num': '9.4', 'comment_num': '1177716人'}
{'id': '4', 'title': '阿甘正傳', 'rating_num': '9.4', 'comment_num': '1011706人'}
{'id': '5', 'title': '美麗人生', 'rating_num': '9.5', 'comment_num': '592034人'}
...
{'id': '246', 'title': '荒島余生', 'rating_num': '8.5', 'comment_num': '163691人'}
{'id': '247', 'title': '勇士', 'rating_num': '8.9', 'comment_num': '100117人'}
{'id': '248', 'title': '槍火', 'rating_num': '8.7', 'comment_num': '119054人'}
{'id': '249', 'title': '遷徙的鳥', 'rating_num': '9.1', 'comment_num': '57898人'}
{'id': '250', 'title': '攻殼機(jī)動(dòng)隊(duì)', 'rating_num': '8.9', 'comment_num': '72306人'}


2.11 爬蟲簡(jiǎn)易例子2(不生成文件)

import re
from urllib.request import urlopen

def getPage(url):
    response = urlopen(url)
    return response.read().decode('utf-8')

def parsePage(s):
    ret = re.findall(
        '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>'
       '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)評(píng)價(jià)</span>',s,re.S)
    return ret

def main(num):
    url = 'https://movie.douban.com/top250?start=%s&filter=' % num
    response_html = getPage(url)
    ret = parsePage(response_html)
    print(ret)

count = 0
for i in range(10):   # 10頁
    main(count)
    count += 25

執(zhí)行結(jié)果:

[('1', '肖申克的救贖', '9.6', '1283490人'), ('2', '霸王別姬', '9.6', '947284人'), ('3', '這個(gè)殺手不太冷', '9.4', '1177716人'), ('4', '阿甘正傳', '9.4', '1011706人'), ('5', '美麗人生', '9.5', '592034人'), ('6', '泰坦尼克號(hào)', '9.3', '947372人'), ('7', '千與千尋', '9.3', '940412人'), ('8', '辛德勒的名單', '9.5', '530119人'), ('9', '盜夢(mèng)空間', '9.3', '1023257人'), ('10', '機(jī)器人總動(dòng)員', '9.3', '680657人'), ('11', '忠犬八公的故事', '9.3', '668630人'), ('12', '三傻大鬧寶萊塢', '9.2', '917833人'), ('13', '海上鋼琴師', '9.2', '763056人'), ('14', '放牛班的春天', '9.3', '633150人'), ('15', '大話西游之大圣娶親', '9.2', '704012人'), ('16', '楚門的世界', '9.2', '687852人'), ('17', '龍貓', '9.2', '620786人'), ('18', '星際穿越', '9.2', '698752人'), ('19', '教父', '9.2', '463326人'), ('20', '熔爐', '9.3', '401050人'), ('21', '無間道', '9.1', '578870人'), ('22', '當(dāng)幸福來敲門', '9.0', '742183人'), ('23', '瘋狂動(dòng)物城', '9.2', '776574人'), ('24', '觸不可及', '9.2', '489976人'), ('25', '怦然心動(dòng)', '9.0', '806397人')]
...


2.12 flags

flags有很多可選值:

re.I(IGNORECASE)忽略大小寫,括號(hào)內(nèi)是完整的寫法
re.M(MULTILINE)多行模式扮超,改變^和$的行為
re.S(DOTALL)點(diǎn)可以匹配任意字符取刃,包括換行符
re.L(LOCALE)做本地化識(shí)別的匹配,表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當(dāng)前環(huán)境出刷,不推薦使用
re.U(UNICODE) 使用\w \W \s \S \d \D使用取決于unicode定義的字符屬性璧疗。在python3中默認(rèn)使用該flag
re.X(VERBOSE)冗長模式,該模式下pattern字符串可以是多行的馁龟,忽略空白字符崩侠,并可以添加注釋

使用方法:

import re
re.findall('\d','awir17948jsdc',re.S)
# 返回值:列表 列表中是所有匹配到的項(xiàng)

3. 練習(xí)

3.1 匹配標(biāo)簽

import re

ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
#還可以在分組中利用?<name>的形式給分組起名字
#獲取的匹配結(jié)果可以直接用group('名字')拿到對(duì)應(yīng)的值
print(ret.group('tag_name'))   #結(jié)果 :h1
print(ret.group())             #結(jié)果 :<h1>hello</h1>

ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")
#如果不給組起名字,也可以用\序號(hào)來找到對(duì)應(yīng)的組坷檩,表示要找的內(nèi)容和前面的組內(nèi)容一致
#獲取的匹配結(jié)果可以直接用group(序號(hào))拿到對(duì)應(yīng)的值
print(ret.group(1))
print(ret.group())  #結(jié)果 :<h1>hello</h1>

執(zhí)行結(jié)果:

h1
<h1>hello</h1>

h1
<h1>hello</h1>


3.2 匹配整數(shù)

import re

ret=re.findall(r"\d+\.\d+|(\d+)","1-2*(60+(-40.35/5)-(-4*3))")
print(ret) #['1', '2', '60', '40', '35', '5', '4', '3']
ret.remove('')
print(ret)

ret=re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")
print(ret) #['1', '-2', '60', '', '5', '-4', '3']
ret.remove("")
print(ret) #['1', '-2', '60', '5', '-4', '3']

執(zhí)行結(jié)果:

['1', '2', '60', '', '5', '4', '3']
['1', '2', '60', '5', '4', '3']
['1', '-2', '60', '', '5', '-4', '3']
['1', '-2', '60', '5', '-4', '3']


3.3 數(shù)字匹配

1却音、 匹配一段文本中的每行的郵箱
      http://blog.csdn.net/make164492212/article/details/51656638

2、 匹配一段文本中的每行的時(shí)間字符串矢炼,比如:‘1990-07-12’系瓢;

   分別取出1年的12個(gè)月(^(0?[1-9]|1[0-2])$)、
   一個(gè)月的31天:^((0?[1-9])|((1|2)[0-9])|30|31)$

3句灌、 匹配qq號(hào)夷陋。(騰訊QQ號(hào)從10000開始)  [1,9][0,9]{4,}

4、 匹配一個(gè)浮點(diǎn)數(shù)。       ^(-?\d+)(\.\d+)?$   或者  -?\d+\.?\d*

5骗绕、 匹配漢字藐窄。             ^[\u4e00-\u9fa5]{0,}$ 

6、 匹配出所有整數(shù)

4. 復(fù)習(xí)正則與re模塊

# 正則表達(dá)式
# 字符組 [字符]
# 元字符
    # \w \d \s
    # \W \D \S
    # . 除了換行符以外的任意字符
    # \n \t
    # \b
    # ^ $ 匹配字符串的開始和結(jié)束
    # () 分組  是對(duì)多個(gè)字符組整體量詞約束的時(shí)候用的
                #re模塊:分組是有優(yōu)先的
                    # findall
                    # split
    # | 從左到右匹配酬土,只要匹配上就不繼續(xù)匹配了枷邪。所以應(yīng)該把長的放前面
    # [^] 除了字符組內(nèi)的其他都匹配
# 量詞
    # *   0~
    # +   1~
    # ?  0~1
    # {n} n
    # {n,} n~
    # {n,m} n~m

# 轉(zhuǎn)義的問題
# import re
# re.findall(r'\\s',r'\s')

# 惰性匹配
# 量詞后面加問號(hào)
    # .*?abc 一直取遇到abc就停

# re模塊
# import re
# re.findall('\d','awir17948jsdc',re.S)
# 返回值:列表 列表中是所有匹配到的項(xiàng)

# ret = search('\d(\w)+','awir17948jsdc')
# ret = search('\d(?P<name>\w)+','awir17948jsdc')
# 找整個(gè)字符串诺凡,遇到匹配上的就返回东揣,遇不到就None
# 如果有返回值ret.group()就可以取到值
# 取分組中的內(nèi)容 : ret.group(1)   /  ret.group('name')

# match
# 從頭開始匹配,匹配上了就返回腹泌,匹配不上就是None
# 如果匹配上了 .group取值

# 分割 split
# 替換 sub 和 subn
# finditer 返回迭代器
# compile 編譯 :正則表達(dá)式很長且要多次使用
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末嘶卧,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子凉袱,更是在濱河造成了極大的恐慌芥吟,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,378評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件专甩,死亡現(xiàn)場(chǎng)離奇詭異钟鸵,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)涤躲,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,356評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門棺耍,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人种樱,你說我怎么就攤上這事蒙袍。” “怎么了嫩挤?”我有些...
    開封第一講書人閱讀 152,702評(píng)論 0 342
  • 文/不壞的土叔 我叫張陵害幅,是天一觀的道長。 經(jīng)常有香客問我岂昭,道長以现,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,259評(píng)論 1 279
  • 正文 為了忘掉前任约啊,我火速辦了婚禮邑遏,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘棍苹。我一直安慰自己无宿,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,263評(píng)論 5 371
  • 文/花漫 我一把揭開白布枢里。 她就那樣靜靜地躺著孽鸡,像睡著了一般蹂午。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上彬碱,一...
    開封第一講書人閱讀 49,036評(píng)論 1 285
  • 那天豆胸,我揣著相機(jī)與錄音,去河邊找鬼巷疼。 笑死晚胡,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的嚼沿。 我是一名探鬼主播估盘,決...
    沈念sama閱讀 38,349評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼骡尽!你這毒婦竟也來了遣妥?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,979評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤攀细,失蹤者是張志新(化名)和其女友劉穎箫踩,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體谭贪,經(jīng)...
    沈念sama閱讀 43,469評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡境钟,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,938評(píng)論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了俭识。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片慨削。...
    茶點(diǎn)故事閱讀 38,059評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖鱼的,靈堂內(nèi)的尸體忽然破棺而出理盆,到底是詐尸還是另有隱情,我是刑警寧澤凑阶,帶...
    沈念sama閱讀 33,703評(píng)論 4 323
  • 正文 年R本政府宣布,位于F島的核電站衷快,受9級(jí)特大地震影響宙橱,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜蘸拔,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,257評(píng)論 3 307
  • 文/蒙蒙 一师郑、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧调窍,春花似錦宝冕、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,262評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽菊卷。三九已至,卻和暖如春宝剖,著一層夾襖步出監(jiān)牢的瞬間洁闰,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,485評(píng)論 1 262
  • 我被黑心中介騙來泰國打工万细, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留扑眉,地道東北人咸灿。 一個(gè)月前我還...
    沈念sama閱讀 45,501評(píng)論 2 354
  • 正文 我出身青樓眯亦,卻偏偏與公主長得像,于是被迫代替她去往敵國和親轰豆。 傳聞我的和親對(duì)象是個(gè)殘疾皇子雪营,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,792評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容

  • Python中的正則表達(dá)式(re) import rere.match #從開始位置開始匹配耸弄,如果開頭沒有則無re...
    BigJeffWang閱讀 7,053評(píng)論 0 99
  • re模塊手冊(cè) 本模塊提供了和Perl里的正則表達(dá)式類似的功能,不關(guān)是正則表達(dá)式本身還是被搜索的字符串卓缰,都可以...
    喜歡吃栗子閱讀 3,981評(píng)論 0 13
  • python的re模塊--細(xì)說正則表達(dá)式 可能是東半球最詳細(xì)最全面的re教程,翻譯自官方文檔,因?yàn)楣俜轿臋n寫的是真...
    立而人閱讀 22,833評(píng)論 4 46
  • 搞懂Python 正則表達(dá)式用法 Python 正則表達(dá)式 正則表達(dá)式是一個(gè)特殊的字符序列计呈,它能幫助你方便的檢查一...
    廈熱閱讀 1,568評(píng)論 0 2
  • #首先,python中的正則表達(dá)式大致分為以下幾部分: 元字符 模式 函數(shù) re 內(nèi)置對(duì)象用法 分組用法 環(huán)視用法...
    mapuboy閱讀 1,599評(píng)論 0 51