正則表達(dá)式和re模塊：

什么是正則表達(dá)式：

通俗理解：按照一定的規(guī)則拷泽，從某個字符串中匹配出想要的數(shù)據(jù)疫鹊。這個規(guī)則就是正則表達(dá)式袖瞻。
標(biāo)準(zhǔn)答案：https://baike.baidu.com/item/正則表達(dá)式/1700215?fr=aladdin

一個段子：

世界是分為兩種人，一種是懂正則表達(dá)式的拆吆，一種是不懂正則表達(dá)式的聋迎。

正則表達(dá)式常用匹配規(guī)則：

匹配某個字符串：

text = 'hello'
ret = re.match('he',text)
print(ret.group())
>> he

以上便可以在hello中，匹配出he枣耀。

點(diǎn)（.）匹配任意的字符：

text = "ab"
ret = re.match('.',text)
print(ret.group())
>> a

但是點(diǎn)（.）不能匹配不到換行符霉晕。示例代碼如下：

text = "ab"
ret = re.match('.',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute 'group'

\d匹配任意的數(shù)字：

text = "123"
ret = re.match('\d',text)
print(ret.group())
>> 1

\D匹配任意的非數(shù)字：

text = "a"
ret = re.match('\D',text)
print(ret.group())
>> a

而如果text是等于一個數(shù)字，那么就匹配不成功了捞奕。示例代碼如下：

text = "1"
ret = re.match('\D',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute 'group'

\s匹配的是空白字符（包括：\n牺堰，\t，\r和空格）：

text = "\t"
ret = re.match('\s',text)
print(ret.group())
>> 空白

\w匹配的是a-z和A-Z以及數(shù)字和下劃線：

text = "_"
ret = re.match('\w',text)
print(ret.group())
>> _

而如果要匹配一個其他的字符颅围，那么就匹配不到伟葫。示例代碼如下：

text = "+"
ret = re.match('\w',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute

\W匹配的是和\w相反的：

text = "+"
ret = re.match('\W',text)
print(ret.group())
>> +

而如果你的text是一個下劃線或者英文字符，那么就匹配不到了院促。示例代碼如下：

text = "_"
ret = re.match('\W',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute

[]組合的方式筏养，只要滿足中括號中的某一項(xiàng)都算匹配成功：

text = "0731-88888888"
ret = re.match('[\d\-]+',text)
print(ret.group())
>> 0731-88888888

之前講到的幾種匹配規(guī)則，其實(shí)可以使用中括號的形式來進(jìn)行替代：

• \d：[0-9]
• \D：0-9
• \w：[0-9a-zA-Z_]
• \W：[^0-9a-zA-Z_]

匹配多個字符：

1. *：可以匹配0或者任意多個字符常拓。示例代碼如下：

    text = "0731"
    ret = re.match('\d*',text)
    print(ret.group())
    >> 0731
   
   

   以上因?yàn)槠ヅ涞囊笫?code>\d渐溶，那么就要求是數(shù)字，后面跟了一個星號墩邀，就可以匹配到0731這四個字符掌猛。

2. +：可以匹配1個或者多個字符。最少一個眉睹。示例代碼如下：

    text = "abc"
    ret = re.match('\w+',text)
    print(ret.group())
    >> abc
   
   

   因?yàn)槠ヅ涞氖?code>\w荔茬，那么就要求是英文字符，后面跟了一個加號竹海，意味著最少要有一個滿足\w的字符才能夠匹配到慕蔚。如果text是一個空白字符或者是一個不滿足\w的字符，那么就會報(bào)錯斋配。示例代碼如下：

    text = ""
    ret = re.match('\w+',text)
    print(ret.group())
    >> AttributeError: 'NoneType' object has no attribute
   
   

3. ?：匹配的字符可以出現(xiàn)一次或者不出現(xiàn)（0或者1）孔飒。示例代碼如下：

    text = "123"
    ret = re.match('\d?',text)
    print(ret.group())
    >> 1
   
   

4. {m}：匹配m個字符。示例代碼如下：

    text = "123"
    ret = re.match('\d{2}',text)
    print(ret.group())
    >> 12
   
   

5. {m,n}：匹配m-n個字符艰争。在這中間的字符都可以匹配到坏瞄。示例代碼如下：

    text = "123"
    ret = re.match('\d{1,2}',text)
    prit(ret.group())
    >> 12
   
   

   如果text只有一個字符，那么也可以匹配出來甩卓。示例代碼如下：

    text = "1"
    ret = re.match('\d{1,2}',text)
    prit(ret.group())
    >> 1
   
   

小案例：

1. 驗(yàn)證手機(jī)號碼：手機(jī)號碼的規(guī)則是以1開頭鸠匀，第二位可以是34587，后面那9位就可以隨意了逾柿。示例代碼如下：

    text = "18570631587"
    ret = re.match('1[34587]\d{9}',text)
    print(ret.group())
    >> 18570631587
   
   

   而如果是個不滿足條件的手機(jī)號碼缀棍。那么就匹配不到了宅此。示例代碼如下：

    text = "1857063158"
    ret = re.match('1[34587]\d{9}',text)
    print(ret.group())
    >> AttributeError: 'NoneType' object has no attribute
   
   

2. 驗(yàn)證郵箱：郵箱的規(guī)則是郵箱名稱是用數(shù)字、數(shù)字爬范、下劃線組成的父腕，然后是@符號，后面就是域名了青瀑。示例代碼如下：

    text = "hynever@163.com"
    ret = re.match('\w+@\w+\.[a-zA-Z\.]+',text)
    print(ret.group())
   
   

3. 驗(yàn)證URL：URL的規(guī)則是前面是http或者https或者是ftp然后再加上一個冒號璧亮，再加上一個斜杠，再后面就是可以出現(xiàn)任意非空白字符了狱窘。示例代碼如下：

    text = "http://www.baidu.com/"
    ret = re.match('(http|https|ftp)://[^\s]+',text)
    print(ret.group())
   
   

4. 驗(yàn)證身份證：身份證的規(guī)則是杜顺，總共有18位，前面17位都是數(shù)字蘸炸，后面一位可以是數(shù)字躬络，也可以是小寫的x，也可以是大寫的X搭儒。示例代碼如下：

    text = "3113111890812323X"
    ret = re.match('\d{17}[\dxX]',text)
    print(ret.group())
   
   

^（脫字號）：表示以...開始：

text = "hello"
ret = re.match('^h',text)
print(ret.group())

如果是在中括號中穷当，那么代表的是取反操作.

$：表示以...結(jié)束：

# 匹配163.com的郵箱
text = "xxx@163.com"
ret = re.search('\w+@163\.com$',text)
print(ret.group())
>> xxx@163.com

|：匹配多個表達(dá)式或者字符串：

text = "hello|world"
ret = re.search('hello',text)
print(ret.group())
>> hello

貪婪模式和非貪婪模式：

貪婪模式：正則表達(dá)式會匹配盡量多的字符。默認(rèn)是貪婪模式淹禾。
非貪婪模式：正則表達(dá)式會盡量少的匹配字符馁菜。
示例代碼如下：

text = "0123456"
ret = re.match('\d+',text)
print(ret.group())
# 因?yàn)槟J(rèn)采用貪婪模式，所以會輸出0123456
>> 0123456

可以改成非貪婪模式铃岔，那么就只會匹配到0汪疮。示例代碼如下：

text = "0123456"
ret = re.match('\d+?',text)
print(ret.group())

案例：匹配0-100之間的數(shù)字：

text = '99'
ret = re.match('[1-9]?\d$|100$',text)
print(ret.group())
>> 99

而如果text=101，那么就會拋出一個異常毁习。示例代碼如下：

text = '101'
ret = re.match('[1-9]?\d$|100$',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute 'group'

轉(zhuǎn)義字符和原生字符串：

在正則表達(dá)式中智嚷，有些字符是有特殊意義的字符。因此如果想要匹配這些字符纺且，那么就必須使用反斜杠進(jìn)行轉(zhuǎn)義盏道。比如$代表的是以...結(jié)尾，如果想要匹配$载碌，那么就必須使用\$猜嘱。示例代碼如下：

text = "apple price is \$99,orange paice is $88"
ret = re.search('\$(\d+)',text)
print(ret.group())
>> $99

原生字符串：
在正則表達(dá)式中，\是專門用來做轉(zhuǎn)義的嫁艇。在Python中\也是用來做轉(zhuǎn)義的朗伶。因此如果想要在普通的字符串中匹配出\，那么要給出四個\步咪。示例代碼如下：

text = "apple \c"
ret = re.search('\\\\c',text)
print(ret.group())

因此要使用原生字符串就可以解決這個問題：

text = "apple \c"
ret = re.search(r'\\c',text)
print(ret.group())

re模塊中常用函數(shù)：

match：

從開始的位置進(jìn)行匹配腕让。如果開始的位置沒有匹配到。就直接失敗了。示例代碼如下：

text = 'hello'
ret = re.match('h',text)
print(ret.group())
>> h

如果第一個字母不是h纯丸，那么就會失敗。示例代碼如下：

text = 'ahello'
ret = re.match('h',text)
print(ret.group())
>> AttributeError: 'NoneType' object has no attribute 'group'

如果想要匹配換行的數(shù)據(jù)静袖，那么就要傳入一個flag=re.DOTALL觉鼻，就可以匹配換行符了。示例代碼如下：

text = "abc\nabc"
ret = re.match('abc.*abc',text,re.DOTALL)
print(ret.group())

search：

在字符串中找滿足條件的字符队橙。如果找到坠陈，就返回。說白了捐康，就是只會找到第一個滿足條件的仇矾。

text = 'apple price $99 orange price $88'
ret = re.search('\d+',text)
print(ret.group())
>> 99

分組：

在正則表達(dá)式中，可以對過濾到的字符串進(jìn)行分組解总。分組使用圓括號的方式贮匕。

1. group：和group(0)是等價的，返回的是整個滿足條件的字符串花枫。
2. groups：返回的是里面的子組刻盐。索引從1開始。
3. group(1)：返回的是第一個子組劳翰，可以傳入多個敦锌。
   示例代碼如下：

text = "apple price is $99,orange price is $10"
ret = re.search(r".*(\$\d+).*(\$\d+)",text)
print(ret.group())
print(ret.group(0))
print(ret.group(1))
print(ret.group(2))
print(ret.groups())

findall：

找出所有滿足條件的，返回的是一個列表佳簸。

text = 'apple price $99 orange price $88'
ret = re.findall('\d+',text)
print(ret)
>> ['99', '88']

sub：

用來替換字符串乙墙。將匹配到的字符串替換為其他字符串。

text = 'apple price $99 orange price $88'
ret = re.sub('\d+','0',text)
print(ret)
>> apple price $0 orange price $0

sub函數(shù)的案例生均，獲取拉勾網(wǎng)中的數(shù)據(jù)：

html = """
<div>
<p>基本要求：</p>
<p>1听想、精通HTML5、CSS3疯特、 JavaScript等Web前端開發(fā)技術(shù)哗魂，對html5頁面適配充分了解，熟悉不同瀏覽器間的差異漓雅，熟練寫出兼容各種瀏覽器的代碼录别；</p>
<p>2、熟悉運(yùn)用常見JS開發(fā)框架邻吞，如JQuery组题、vue、angular抱冷，能快速高效實(shí)現(xiàn)各種交互效果崔列；</p>
<p>3、熟悉編寫能夠自動適應(yīng)HTML5界面，能讓網(wǎng)頁格式自動適應(yīng)各款各大小的手機(jī)赵讯；</p>
<p>4盈咳、利用HTML5相關(guān)技術(shù)開發(fā)移動平臺、PC終端的前端頁面边翼，實(shí)現(xiàn)HTML5模板化鱼响；</p>
<p>5、熟悉手機(jī)端和PC端web實(shí)現(xiàn)的差異组底，有移動平臺web前端開發(fā)經(jīng)驗(yàn)丈积，了解移動互聯(lián)網(wǎng)產(chǎn)品和行業(yè)，有在Android,iOS等平臺下HTML5+CSS+JavaScript（或移動JS框架）開發(fā)經(jīng)驗(yàn)者優(yōu)先考慮债鸡；6江滨、良好的溝通能力和團(tuán)隊(duì)協(xié)作精神，對移動互聯(lián)網(wǎng)行業(yè)有濃厚興趣厌均，有較強(qiáng)的研究能力和學(xué)習(xí)能力唬滑；</p>
<p>7、能夠承擔(dān)公司前端培訓(xùn)工作莫秆，對公司各業(yè)務(wù)線的前端（HTML5\CSS3）工作進(jìn)行支撐和指導(dǎo)间雀。</p>
<p><br></p>
<p>崗位職責(zé)：</p>
<p>1、利用html5及相關(guān)技術(shù)開發(fā)移動平臺镊屎、微信惹挟、APP等前端頁面，各類交互的實(shí)現(xiàn)缝驳；</p>
<p>2连锯、持續(xù)的優(yōu)化前端體驗(yàn)和頁面響應(yīng)速度，并保證兼容性和執(zhí)行效率用狱；</p>
<p>3运怖、根據(jù)產(chǎn)品需求，分析并給出最優(yōu)的頁面前端結(jié)構(gòu)解決方案夏伊；</p>
<p>4摇展、協(xié)助后臺及客戶端開發(fā)人員完成功能開發(fā)和調(diào)試；</p>
<p>5溺忧、移動端主流瀏覽器的適配咏连、移動端界面自適應(yīng)研發(fā)。</p>
</div>
"""

ret = re.sub('</?[a-zA-Z0-9]+>',"",html)
print(ret)

split：

使用正則表達(dá)式來分割字符串鲁森。

text = "hello world ni hao"
ret = re.split('\W',text)
print(ret)
>> ["hello","world","ni","hao"]

compile：

對于一些經(jīng)常要用到的正則表達(dá)式祟滴，可以使用compile進(jìn)行編譯，后期再使用的時候可以直接拿過來用歌溉，執(zhí)行效率會更快垄懂。而且compile還可以指定flag=re.VERBOSE，在寫正則表達(dá)式的時候可以做好注釋。示例代碼如下：

text = "the number is 20.50"
r = re.compile(r"""
                \d+ # 小數(shù)點(diǎn)前面的數(shù)字
                \.? # 小數(shù)點(diǎn)
                \d* # 小數(shù)點(diǎn)后面的數(shù)字
                """,re.VERBOSE)
ret = re.search(r,text)
print(ret.group())