【Python3 爬虫】U15_正则表达式

目录

• 1.什么是正则表达式？
• 2.匹配单个字符(常用)
  • 2.1 匹配某个字符串
  • 2.2 .匹配任意的字符
  • 2.3 d匹配任意的数字(0-9)
  • 2.3 D匹配任意的非数字(与d作用相反)
  • 2.4 s匹配空白字符( , , ,空格)
  • 2.5 S匹配非空白字符(与s作用相反)
  • 2.6 w匹配a-z和A-Z以及数字和下划线
  • 2.7 W(与w作用相反)
  • 2.8 []组合的方式，只要满足括号中的字符，则可匹配
• 3.匹配多个字符
  • 3.1 使用[]的形式代替d
  • 3.2 使用[]的形式代替w
  • 3.3 使用[]的形式代替w
  • 3.4 *可以匹配0或者任意多个字符
  • 3.5 +匹配1个或者多个字符
  • 3.6 匹配一个或者0个(要么没有,要么就只有一个)
  • 3.7 {m,n}匹配m到n个字符
• 4.实战案例
  • 4.1 验证手机号
  • 4.2 验证邮箱
  • 4.3 验证网址
  • 4.4 验证身份证
• 5.总结

1.什么是正则表达式？

通俗解释：按照某个规则，从某个字符串中匹配出想要的数据。
官方解释：正则表达式，又称规则表达式，通常被用来检索、替换那些符合某个模式(规则)的文本。

2.匹配单个字符(常用)

2.1 匹配某个字符串

匹配某个字符串，指定一个字符，如he，从hello中匹配

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

打印结果：he

2.2 .匹配任意的字符

import re
text = 'abcdrf'
ret = re.match('.',text)
print(ret.group())

打印结果：a

2.3 d匹配任意的数字(0-9)

import re
text = '123'
ret = re.match('d',text)
print(ret.group())

打印结果：1

2.3 D匹配任意的非数字(与d作用相反)

import re
text = 'abc'
ret = re.match('D',text)
print(ret.group())

打印结果：a

2.4 s匹配空白字符( , , ,空格)

import re
text = '	'
ret = re.match('s',text)
print(ord(ret.group()))

打印结果：9 （通过ASCII码表可以查到9就是制表符）

2.5 S匹配非空白字符(与s作用相反)

import re
text = 'abc'
ret = re.match('S',text)
print(ord(ret.group()))

打印结果：a

2.6 w匹配a-z和A-Z以及数字和下划线

import re
text = '_abc'
ret = re.match('w',text)
print(ret.group())

打印结果：_

2.7 W(与w作用相反)

import re
text = '#'
ret = re.match('W',text)
print(ret.group())

打印结果:#

2.8 []组合的方式，只要满足括号中的字符，则可匹配

import re
text = '0871-96532'
ret = re.match('[d-]+',text)
print(ret.group())

打印结果:0871-96532

3.匹配多个字符

3.1 使用[]的形式代替d

import re
text = '0871-96532'
ret = re.match('[0-9]',text)
print(ret.group())

打印结果：0

3.2 使用[]的形式代替w

import re
text = '_abc'
ret = re.match('[a-zA-Z0-9_]',text)
print(ret.group())

打印结果：_

3.3 使用[]的形式代替w

import re
text = '#abc'
ret = re.match('[^a-zA-Z0-9_]',text)
print(ret.group())

打印结果：#

注意：以下的*，+，？依赖与他之前的规则，例如:d+表示匹配一个或者任意多个数字

3.4 *可以匹配0或者任意多个字符

import re
text = '12345abc'
ret = re.match('d*',text)
print(ret.group())

打印结果：12345

与+号的区别在与当字符串为空的时候，*号不报错，但是+号会报错。

3.5 +匹配1个或者多个字符

import re
text = '12345abc'
ret = re.match('d+',text)
print(ret.group())

打印结果：12345

3.6 匹配一个或者0个(要么没有,要么就只有一个)

import re
text = '12345abc'
ret = re.match('w?',text)
print(ret.group())

打印结果：1

3.7 {m,n}匹配m到n个字符

此语法根据字符串的长度尽可能多的匹配

import re
text = '12345abc'
ret = re.match('w{1,5}',text)
print(ret.group())

打印结果：12345

4.实战案例

4.1 验证手机号

说明：此处假定手机号只有13,14,15,16,18等开头

import re
text = '18298377942'
ret = re.match('1[3,4,5,6,8]d{9}',text)
print(ret.group())

打印结果：18298377942

4.2 验证邮箱

import re
text = 'qin_ys@qq.com'
ret = re.match('w+@[a-zA-Z]+.[a-zA-Z]+',text)
print(ret.group())

打印结果：qin_ys@qq.com

4.3 验证网址

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

4.4 验证身份证

import re
text = '53032219921008229x'
ret = re.match('d{17}[dxX]',text)
print(ret.group())

5.总结