每一個(gè)不曾起舞的日子岸军，都是對(duì)生命的辜負(fù)突委！

使用正則表達(dá)式

正則表達(dá)式相關(guān)知識(shí)

在編寫(xiě)處理字符串的程序或網(wǎng)頁(yè)時(shí)，經(jīng)常會(huì)有查找符合某些復(fù)雜規(guī)則的字符串的需要封锉，正則表達(dá)式就是用于描述這些規(guī)則的工具莽使，換句話說(shuō)正則表達(dá)式是一種工具锐极，它定義了字符串的匹配模式（如何檢查一個(gè)字符串是否有跟某種模式匹配的部分或者從一個(gè)字符串中將與模式匹配的部分提取出來(lái)或者替換掉）。如果你在Windows操作系統(tǒng)中使用過(guò)文件查找并且在指定文件名時(shí)使用過(guò)通配符（*和?）芳肌，那么正則表達(dá)式也是與之類似的用來(lái)進(jìn)行文本匹配的工具溪烤，只不過(guò)比起通配符正則表達(dá)式更強(qiáng)大味咳，它能更精確地描述你的需求（當(dāng)然你付出的代價(jià)是書(shū)寫(xiě)一個(gè)正則表達(dá)式比打出一個(gè)通配符要復(fù)雜得多，要知道任何給你帶來(lái)好處的東西都是有代價(jià)的檬嘀，就如同學(xué)習(xí)一門(mén)編程語(yǔ)言一樣）槽驶，比如你可以編寫(xiě)一個(gè)正則表達(dá)式，用來(lái)查找所有以0開(kāi)頭鸳兽，后面跟著2-3個(gè)數(shù)字掂铐，然后是一個(gè)連字號(hào)“-”，最后是7或8位數(shù)字的字符串（像028-12345678或0813-7654321）揍异，這不就是國(guó)內(nèi)的座機(jī)號(hào)碼嗎全陨。最初計(jì)算機(jī)是為了做數(shù)學(xué)運(yùn)算而誕生的，處理的信息基本上都是數(shù)值衷掷，而今天我們?cè)谌粘９ぷ髦刑幚淼男畔⒒旧隙际俏谋緮?shù)據(jù)辱姨，我們希望計(jì)算機(jī)能夠識(shí)別和處理符合某些模式的文本，正則表達(dá)式就顯得非常重要了戚嗅。今天幾乎所有的編程語(yǔ)言都提供了對(duì)正則表達(dá)式操作的支持雨涛，Python通過(guò)標(biāo)準(zhǔn)庫(kù)中的re模塊來(lái)支持正則表達(dá)式操作。

我們可以考慮下面一個(gè)問(wèn)題：我們從某個(gè)地方（可能是一個(gè)文本文件懦胞，也可能是網(wǎng)絡(luò)上的一則新聞）獲得了一個(gè)字符串替久，希望在字符串中找出手機(jī)號(hào)和座機(jī)號(hào)。當(dāng)然我們可以設(shè)定手機(jī)號(hào)是11位的數(shù)字（注意并不是隨機(jī)的11位數(shù)字躏尉，因?yàn)槟銢](méi)有見(jiàn)過(guò)“25012345678”這樣的手機(jī)號(hào)吧）而座機(jī)號(hào)跟上一段中描述的模式相同蚯根，如果不使用正則表達(dá)式要完成這個(gè)任務(wù)就會(huì)很麻煩。

關(guān)于正則表達(dá)式的相關(guān)知識(shí)胀糜，大家可以閱讀一篇非常有名的博客叫《正則表達(dá)式30分鐘入門(mén)教程》颅拦，讀完這篇文章后你就可以看懂下面的表格，這是我們對(duì)正則表達(dá)式中的一些基本符號(hào)進(jìn)行的扼要總結(jié)教藻。

說(shuō)明：如果需要匹配的字符是正則表達(dá)式中的特殊字符，那么可以使用"\"進(jìn)行轉(zhuǎn)義處理恼策，例如想匹配小數(shù)點(diǎn)可以寫(xiě)成\.就可以了鸦致，因?yàn)橹苯訉?xiě).會(huì)匹配任意字符潮剪；同理，想匹配圓括號(hào)必須寫(xiě)成\(和\)分唾，否則圓括號(hào)被視為正則表達(dá)式中的分組抗碰。

Python對(duì)正則表達(dá)式的支持

Python提供了re模塊來(lái)支持正則表達(dá)式相關(guān)操作，下面是re模塊中的核心函數(shù)绽乔。

說(shuō)明：上面提到的re模塊中的這些函數(shù)弧蝇，實(shí)際開(kāi)發(fā)中也可以用正則表達(dá)式對(duì)象的方法替代對(duì)這些函數(shù)的使用，如果一個(gè)正則表達(dá)式需要重復(fù)的使用折砸，那么先通過(guò)compile函數(shù)編譯正則表達(dá)式并創(chuàng)建出正則表達(dá)式對(duì)象無(wú)疑是更為明智的選擇看疗。

下面我們通過(guò)一系列的例子來(lái)告訴大家在Python中如何使用正則表達(dá)式。

例子1：驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息睦授。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
created on 2019/5/11
@user: Keekuun
功能描述:
    驗(yàn)證輸入用戶名和QQ號(hào)是否有效并給出對(duì)應(yīng)的提示信息
    要求：用戶名必須由字母两芳、數(shù)字或下劃線構(gòu)成且長(zhǎng)度在6~20個(gè)字符之間，QQ號(hào)是5~12的數(shù)字且首位不能為0
"""

import re


def main():
    username = input('請(qǐng)輸入用戶名：')
    qq = input('請(qǐng)輸入QQ號(hào)：')

    '''
        match函數(shù)的第一個(gè)參數(shù)是正則表達(dá)式字符串或正則表達(dá)式對(duì)象
        第二個(gè)參數(shù)是要跟正則表達(dá)式做匹配的字符串對(duì)象
    '''
    re_name = re.match(r'^\w{6,20}$', username)
    re_qq = re.match(r'^[1-9]([0-9]{4,11})$', qq)

    if not re_name:
        print('請(qǐng)輸入有效的用戶名去枷！')
    if not re_qq:
        print('請(qǐng)輸入有效的QQ號(hào)怖辆！')


if __name__ == '__main__':
    main()

提示：上面在書(shū)寫(xiě)正則表達(dá)式時(shí)使用了“原始字符串”的寫(xiě)法（在字符串前面加上了r），所謂“原始字符串”就是字符串中的每個(gè)字符都是它原始的意義沉填，說(shuō)得更直接一點(diǎn)就是字符串中沒(méi)有所謂的轉(zhuǎn)義字符啦疗隶。因?yàn)檎齽t表達(dá)式中有很多元字符和需要進(jìn)行轉(zhuǎn)義的地方，如果不使用原始字符串就需要將反斜杠寫(xiě)作\\翼闹，例如表示數(shù)字的\d得書(shū)寫(xiě)成\\d斑鼻，這樣不僅寫(xiě)起來(lái)不方便，閱讀的時(shí)候也會(huì)很吃力猎荠。

例子2：從一段文字中提取出國(guó)內(nèi)手機(jī)號(hào)碼坚弱。

國(guó)內(nèi)三家運(yùn)營(yíng)商的號(hào)段分別如下：

電信號(hào)段:133/153/180/181/189/177；
聯(lián)通號(hào)段:130/131/132/155/156/185/186/145/176关摇；
移動(dòng)號(hào)段：134/135/136/137/138/139/150/151/152/157/158/159/182/183/184/187/188/147/178荒叶。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

sentence = """
created on 2019/5/11
@user: Keekuun
功能描述:
    國(guó)內(nèi)三家運(yùn)營(yíng)商的號(hào)段分別如下：

    電信號(hào)段:133/153/180/181/189/177；
    聯(lián)通號(hào)段:130/131/132/155/156/185/186/145/176输虱；
    移動(dòng)號(hào)段：134/135/136/137/138/139/150/151/152/157/158/159/182/183/184/187/188/147/178些楣。
    
    例如：我的手機(jī)號(hào)18666999888 
    
    重要的事情說(shuō)8130123456789遍，我的手機(jī)號(hào)是13512346789這個(gè)靚號(hào)宪睹，
    不是15600998765愁茁，也是110或119，王大錘的手機(jī)號(hào)才是15600998765亭病。
"""

import re


def main():
    # 創(chuàng)建正則表達(dá)式對(duì)象,使用了`前瞻`和`回顧`來(lái)保證手機(jī)號(hào)前后不應(yīng)該出現(xiàn)數(shù)字
    pattern = re.compile(r'(?<=\D)1[34578]\d{9}(?=\D)')

    # 查找所有匹配并保存到一個(gè)列表中

    mylist = re.findall(pattern, sentence)
    print(mylist)
    print('--------華麗的分隔線--------')

    # 通過(guò)迭代器取出匹配對(duì)象并獲得匹配的內(nèi)容
    for temp in pattern.finditer(sentence):
        print(temp.group())
    print('--------華麗的分隔線--------')
    
    # 通過(guò)search函數(shù)指定搜索位置找出所有匹配
    m = pattern.search(sentence)
    while m:
        print(m.group())
        m = pattern.search(sentence, m.end())


if __name__ == '__main__':
    main()

說(shuō)明：上面匹配國(guó)內(nèi)手機(jī)號(hào)的正則表達(dá)式并不夠好鹅很，因?yàn)橄?4開(kāi)頭的號(hào)碼只有145或147，而上面的正則表達(dá)式并沒(méi)有考慮這種情況罪帖，要匹配國(guó)內(nèi)手機(jī)號(hào)促煮，更好的正則表達(dá)式的寫(xiě)法是：(?<=\D)(1[38]\d{9}|14[57]\d{8}|15[0-35-9]\d{8}|17[678]\d{8})(?=\D)邮屁。

例子3：替換字符串中的不良內(nèi)容

import re


def main():
    sentence = '你丫是傻叉嗎? 我操你大爺?shù)? Fuck you.'
    purified = re.sub('[操肏艸]|fuck|shit|傻[比屄逼叉缺吊屌]|煞筆',
                      '*', sentence, flags=re.IGNORECASE)
    print(purified)  # 你丫是*嗎? 我*你大爺?shù)? * you.


if __name__ == '__main__':
    main()

說(shuō)明：re模塊的正則表達(dá)式相關(guān)函數(shù)中都有一個(gè)flags參數(shù)，它代表了正則表達(dá)式的匹配標(biāo)記菠齿，可以通過(guò)該標(biāo)記來(lái)指定匹配時(shí)是否忽略大小寫(xiě)佑吝、是否進(jìn)行多行匹配、是否顯示調(diào)試信息等泞当。如果需要為flags參數(shù)指定多個(gè)值迹蛤，可以使用按位或運(yùn)算符進(jìn)行疊加，如flags=re.I | re.M襟士。

例子4：拆分長(zhǎng)字符串

import re


def main():
    poem = '窗前明月光盗飒，疑是地上霜。舉頭望明月陋桂，低頭思故鄉(xiāng)逆趣。'
    sentence_list = re.split(r'[，嗜历。, .]', poem)
    while '' in sentence_list:
        sentence_list.remove('')
    print(sentence_list)  # ['窗前明月光', '疑是地上霜', '舉頭望明月', '低頭思故鄉(xiāng)']


if __name__ == '__main__':
    main()

后話

如果要從事爬蟲(chóng)類應(yīng)用的開(kāi)發(fā)宣渗，那么正則表達(dá)式一定是一個(gè)非常好的助手，因?yàn)樗梢詭椭覀冄杆俚膹木W(wǎng)頁(yè)代碼中發(fā)現(xiàn)某種我們指定的模式并提取出我們需要的信息梨州，當(dāng)然對(duì)于初學(xué)者來(lái)收痕囱，要編寫(xiě)一個(gè)正確的適當(dāng)?shù)恼齽t表達(dá)式可能并不是一件容易的事情（當(dāng)然有些常用的正則表達(dá)式可以直接在網(wǎng)上找找），所以實(shí)際開(kāi)發(fā)爬蟲(chóng)應(yīng)用的時(shí)候暴匠，有很多人會(huì)選擇Beautiful Soup或Lxml來(lái)進(jìn)行匹配和信息的提取鞍恢，前者簡(jiǎn)單方便但是性能較差，后者既好用性能也好每窖，但是安裝稍嫌麻煩帮掉，這些內(nèi)容我們會(huì)在后期的爬蟲(chóng)專題中為大家介紹。

exercise python 100 days from https://github.com/jackfrued/Python-100-Days