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)則草慧,從某個(gè)字符串中匹配出想要的數(shù)據(jù)梯刚。這個(gè)規(guī)則就是正則表達(dá)式。
標(biāo)準(zhǔn)答案:https://baike.baidu.com/item/正則表達(dá)式/1700215?fr=aladdin
一個(gè)段子:
世界是分為兩種人,一種是懂正則表達(dá)式的,一種是不懂正則表達(dá)式的陆爽。
正則表達(dá)式常用匹配規(guī)則:
匹配某個(gè)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
扳缕。
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慌闭。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(gè)數(shù)字,那么就匹配不成功了第献。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贡必,\t兔港,\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(gè)其他的字符庸毫,那么就匹配不到。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(gè)下劃線或者英文字符衫樊,那么就匹配不到了飒赃。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,只要滿(mǎn)足中括號(hào)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)則科侈,其實(shí)可以使用中括號(hào)的形式來(lái)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(gè)字符:
-
*
:可以匹配0或者任意多個(gè)字符载佳。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,那么就要求是數(shù)字臀栈,后面跟了一個(gè)星號(hào)蔫慧,就可以匹配到0731這四個(gè)字符。
-
+
:可以匹配1個(gè)或者多個(gè)字符权薯。最少一個(gè)姑躲。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,那么就要求是英文字符盟蚣,后面跟了一個(gè)加號(hào)黍析,意味著最少要有一個(gè)滿(mǎn)足
\w
的字符才能夠匹配到。如果text是一個(gè)空白字符或者是一個(gè)不滿(mǎn)足\w的字符屎开,那么就會(huì)報(bào)錯(cuò)阐枣。示例代碼如下:text = "" ret = re.match('\w+',text) print(ret.group()) >> AttributeError: 'NoneType' object has no attribute
-
?
:匹配的字符可以出現(xiàn)一次或者不出現(xiàn)(0或者1)。示例代碼如下:text = "123" ret = re.match('\d?',text) print(ret.group()) >> 1
-
{m}
:匹配m個(gè)字符。示例代碼如下:text = "123" ret = re.match('\d{2}',text) print(ret.group()) >> 12
-
{m,n}
:匹配m-n個(gè)字符蔼两。在這中間的字符都可以匹配到甩鳄。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(gè)字符,那么也可以匹配出來(lái)宪哩。示例代碼如下:
text = "1" ret = re.match('\d{1,2}',text) prit(ret.group()) >> 1
小案例:
-
驗(yàn)證手機(jī)號(hào)碼:手機(jī)號(hào)碼的規(guī)則是以
1
開(kāi)頭娩贷,第二位可以是34587
,后面那9位就可以隨意了锁孟。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(gè)不滿(mǎn)足條件的手機(jī)號(hào)碼彬祖。那么就匹配不到了。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
-
驗(yàn)證郵箱:郵箱的規(guī)則是郵箱名稱(chēng)是用
數(shù)字品抽、數(shù)字储笑、下劃線
組成的,然后是@
符號(hào)圆恤,后面就是域名了突倍。示例代碼如下:text = "hynever@163.com" ret = re.match('\w+@\w+\.[a-zA-Z\.]+',text) print(ret.group())
-
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(gè)冒號(hào),再加上一個(gè)斜杠盆昙,再后面就是可以出現(xiàn)任意非空白字符了羽历。示例代碼如下:text = "http://www.baidu.com/" ret = re.match('(http|https|ftp)://[^\s]+',text) print(ret.group())
-
驗(yàn)證身份證:身份證的規(guī)則是,總共有18位淡喜,前面17位都是數(shù)字秕磷,后面一位可以是數(shù)字,也可以是小寫(xiě)的x炼团,也可以是大寫(xiě)的X澎嚣。示例代碼如下:
text = "3113111890812323X" ret = re.match('\d{17}[\dxX]',text) print(ret.group())
^(脫字號(hào)):表示以...開(kāi)始:
text = "hello"
ret = re.match('^h',text)
print(ret.group())
如果是在中括號(hào)中,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(gè)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(huì)匹配盡量多的字符瘟芝。默認(rèn)是貪婪模式易桃。
非貪婪模式:正則表達(dá)式會(huì)盡量少的匹配字符。
示例代碼如下:
text = "0123456"
ret = re.match('\d+',text)
print(ret.group())
# 因?yàn)槟J(rèn)采用貪婪模式锌俱,所以會(huì)輸出0123456
>> 0123456
可以改成非貪婪模式晤郑,那么就只會(huì)匹配到0。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
贸宏,那么就會(huì)拋出一個(gè)異常造寝。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,有些字符是有特殊意義的字符锚赤。因此如果想要匹配這些字符匹舞,那么就必須使用反斜杠進(jìn)行轉(zhuǎn)義。比如$
代表的是以...結(jié)尾线脚,如果想要匹配$
赐稽,那么就必須使用\$
叫榕。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(zhuān)門(mén)用來(lái)做轉(zhuǎn)義的姊舵。在Python中\
也是用來(lái)做轉(zhuǎn)義的晰绎。因此如果想要在普通的字符串中匹配出\
,那么要給出四個(gè)\
括丁。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(gè)問(wèn)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(kāi)始的位置進(jìn)行匹配荞下。如果開(kāi)始的位置沒(méi)有匹配到。就直接失敗了史飞。示例代碼如下:
text = 'hello'
ret = re.match('h',text)
print(ret.group())
>> h
如果第一個(gè)字母不是h
尖昏,那么就會(huì)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)构资,那么就要傳入一個(gè)flag=re.DOTALL
抽诉,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(mǎn)足條件的字符吐绵。如果找到迹淌,就返回。說(shuō)白了己单,就是只會(huì)找到第一個(gè)滿(mǎn)足條件的唉窃。
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(duì)過(guò)濾到的字符串進(jìn)行分組纹笼。分組使用圓括號(hào)的方式纹份。
-
group
:和group(0)
是等價(jià)的,返回的是整個(gè)滿(mǎn)足條件的字符串允乐。 -
groups
:返回的是里面的子組矮嫉。索引從1開(kāi)始削咆。 -
group(1)
:返回的是第一個(gè)子組牍疏,可以傳入多個(gè)。
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(mǎn)足條件的拨齐,返回的是一個(gè)列表鳞陨。
text = 'apple price $99 orange price $88'
ret = re.findall('\d+',text)
print(ret)
>> ['99', '88']
sub:
用來(lái)替換字符串。將匹配到的字符串替換為其他字符串瞻惋。
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)的案例厦滤,獲取拉勾網(wǎng)中的數(shù)據(jù):
html = """
<div>
<p>基本要求:</p>
<p>1、精通HTML5歼狼、CSS3掏导、 JavaScript等Web前端開(kāi)發(fā)技術(shù),對(duì)html5頁(yè)面適配充分了解羽峰,熟悉不同瀏覽器間的差異趟咆,熟練寫(xiě)出兼容各種瀏覽器的代碼添瓷;</p>
<p>2、熟悉運(yùn)用常見(jiàn)JS開(kāi)發(fā)框架值纱,如JQuery鳞贷、vue、angular虐唠,能快速高效實(shí)現(xiàn)各種交互效果搀愧;</p>
<p>3、熟悉編寫(xiě)能夠自動(dòng)適應(yīng)HTML5界面疆偿,能讓網(wǎng)頁(yè)格式自動(dòng)適應(yīng)各款各大小的手機(jī)咱筛;</p>
<p>4、利用HTML5相關(guān)技術(shù)開(kāi)發(fā)移動(dòng)平臺(tái)杆故、PC終端的前端頁(yè)面眷蚓,實(shí)現(xiàn)HTML5模板化;</p>
<p>5反番、熟悉手機(jī)端和PC端web實(shí)現(xiàn)的差異沙热,有移動(dòng)平臺(tái)web前端開(kāi)發(fā)經(jīng)驗(yàn),了解移動(dòng)互聯(lián)網(wǎng)產(chǎn)品和行業(yè)罢缸,有在Android,iOS等平臺(tái)下HTML5+CSS+JavaScript(或移動(dòng)JS框架)開(kāi)發(fā)經(jīng)驗(yàn)者優(yōu)先考慮篙贸;6、良好的溝通能力和團(tuán)隊(duì)協(xié)作精神枫疆,對(duì)移動(dòng)互聯(lián)網(wǎng)行業(yè)有濃厚興趣爵川,有較強(qiáng)的研究能力和學(xué)習(xí)能力;</p>
<p>7息楔、能夠承擔(dān)公司前端培訓(xùn)工作寝贡,對(duì)公司各業(yè)務(wù)線的前端(HTML5\CSS3)工作進(jìn)行支撐和指導(dǎo)。</p>
<p><br></p>
<p>崗位職責(zé):</p>
<p>1值依、利用html5及相關(guān)技術(shù)開(kāi)發(fā)移動(dòng)平臺(tái)圃泡、微信、APP等前端頁(yè)面愿险,各類(lèi)交互的實(shí)現(xiàn)颇蜡;</p>
<p>2、持續(xù)的優(yōu)化前端體驗(yàn)和頁(yè)面響應(yīng)速度辆亏,并保證兼容性和執(zhí)行效率风秤;</p>
<p>3、根據(jù)產(chǎn)品需求扮叨,分析并給出最優(yōu)的頁(yè)面前端結(jié)構(gòu)解決方案缤弦;</p>
<p>4、協(xié)助后臺(tái)及客戶(hù)端開(kāi)發(fā)人員完成功能開(kāi)發(fā)和調(diào)試彻磁;</p>
<p>5碍沐、移動(dòng)端主流瀏覽器的適配惦费、移動(dòng)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(lái)分割字符串抢韭。
text = "hello world ni hao"
ret = re.split('\W',text)
print(ret)
>> ["hello","world","ni","hao"]
compile:
對(duì)于一些經(jīng)常要用到的正則表達(dá)式薪贫,可以使用compile
進(jìn)行編譯,后期再使用的時(shí)候可以直接拿過(guò)來(lái)用刻恭,執(zhí)行效率會(huì)更快瞧省。而且compile
還可以指定flag=re.VERBOSE
,在寫(xiě)正則表達(dá)式的時(shí)候可以做好注釋鳍贾。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())