# 正则表达式 # 基础知识 # 什么是正则 # 一种匹配字符串的规则 # 应用领域 # 爬虫, 登录表单验证, 自动化开发, 日志处理 # 正则表达式的语法 # 元字符 # 字符组 [] [^] | () # |的用法 [1-9]d{16}[0-9X]|[1-9]d{14} 身份证号 # ()的用法 [1-9]d{14}(d{2}[1-9X])? 身份证号 # d+(.d+)? 小数或者整数 # w 匹配数字,字母,下划线 W与w相反 # d 匹配数字 D与之相反 # s( , , ) 匹配空字符 表示匹配换行符 表示匹配制表符 # W 匹配除了数字,字母,下划线以外的其他字符 # D 匹配非数字 # S 匹配非空字符 # ^ 字符的开始 # $ 字符的结尾 # . 匹配除了.以外的所有字符 # 量词 # ? 者0次或出现一次 # + 出现一次或者无限次 # * 出现0次或者无限次 # {n} 表示某类字符重复出现n次 # {n,} 表示某类字符最少出现n次 # {n,m} 表示某类字符出现n-m次 # 特殊的用法和现象 # ?的使用 # 1. 在量词的后面跟了一个 ? 取消贪婪匹配 非贪婪(惰性)模式 # ?? 表示只取0次(?表示取0次或者1次,而在后面添加?以后,则表示只取最简结果,所以只取0次) # *? 同上 # +? 只取一次 # {n,}? 只取 最少的次数n次 # 李.{1,3}?和 李莲英和 (此处表示,在以李开头,和结尾能匹配的范围内尽量少的匹配, # 如果超出范围且和前面的第二个字符也不是李,或者李和两个字挨着,则不进行) # 惰性匹配 回溯算法(表示在匹配时,会把整个字符串全部读取完, # 然后再返回到最后一个匹配成功的字后后面停止,并将匹配的结果返回) # 最常用 .*?x 匹配任意字符直到找到一个x # 表示转义 # 正则表达式总结 # 元字符 # 元字符量词 默认贪婪匹配 # 元字符量词? 表示惰性匹配 # 在python中使用正则表达式 # 转义符 : 在正则中的转义符 在python中的转义符 # re模块 # findall (查找所有符合正则表达式的字符, 以数组的形式返回) #例子: #import re #ret = re.findall('d+','123123asd123') # 括号内是参数 第一个是定义的表达式, 第二个是需要处理的字符串 #print(ret) # 返回值的数据类型: 列表, 返回值个数: 1个 返回之内容,所有匹配到的结果 如果没有匹配到的结果,返回一个空列表[] #print(type(ret)) # 查看结果类型 # search(搜寻, 查找) # re.search()方法用来精确匹配并提取第一个符合规律的对象， # 而对象内容的提取则使用search方法的属性group()来实现； # group(0)则是整个匹配的内容，返回一个实体对象； # group(1)则是匹配第一个括号里面的内容，取出括号里匹配的实体对象； # group(2)则是匹配第二个括号里面的内容，取出括号里匹配的实体对象； # group(0,1,2)则返回一个实体对象的元组； # re.search方法主要配合其属性group()一起使用； #import re #ret2 = re.search('d+','123123asd123') # 括号内是参数 第一个是定义的表达式, 第二个是需要处理的字符串 #print(ret.group()) # 此时 函数会在字符串内查找模式匹配, # 直到找到第一个匹配然后返回一个包含匹配信息的对象, # 该对象可以通过调用group()方法得到匹配的字符串, # 如果字符串没有匹配,则返回None #print(type(ret) # match(不常用, 检测是否是以某字符开头,只打印一个,等价于search) #(检测需要匹配的字符串的开始位置,是不是正则表达式规定的字符类型, # 如果是则进行匹配,返回匹配值,不是返回None) #import re #ret = re.match('D+','a23123asd123') #print(ret.group()) # sub(替换) #ret = re.sub('d', 'H', 'eva3egon4yuan4', 1) #将数字替换成'H'，参数1表示只替换1个 #print(ret) #evaHegon4yuan4 # subn #ret = re.subn('d', 'H', 'eva3egon4yuan4') #将数字替换成'H'，返回元组(替换的结果,替换了多少次) #print(ret) # ('evaHegonHyuanH', 3) 返回的结果是个元组 # split #ret = re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割 #print(ret) # ['', '', 'cd'] #进阶方法:--- 爬虫自动化开发 # compile(编译正则表达式) 预编译功能 # 节省时间 : 只有在多次使用某一个相同的正则表达式的时候,这个compile才会帮助我们提高程序的效率. # 单个的时候不会节省时间 #obj = re.compile('d{3}') #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字 #ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串 #print(ret.group()) #结果 ： 123 # finditer # 节省空间 : 所有的空间的节省,都会伴随时间效率的提高 #实例一: #import re #ret = re.finditer('d', 'ds3sy4784a') #finditer返回一个存放匹配结果的迭代器 #print(ret) # <callable_iterator object at 0x10195f940> #print(next(ret).group()) #查看第一个结果 #print(next(ret).group()) #查看第二个结果 #print([i.group() for i in ret]) #查看剩余的左右结果 #实例二 # ret = re.finditer('d','sjkhkdy982ufejwsh02yu93jfpwcmc') # for r in ret: # print(r.group()) # python中的正则表达式 # findall 会优先显示分组中的内容,要想取消分组优先,(?:正则表达式) # split 遇到分组 会保留分组内被切掉的内容 # search 如果search中有分组的话,通过group(n)就能够拿到group中的匹配的内容 # 正则表达式进阶 # 分组命名 # (?P<name>正则表达式) 表示给分组起名字 # (?P=name)表示使用这个分组,这里匹配到的内容应该和分组中的内容完全相同 # 通过索引使用分组 # 1 表示使用第一组,匹配到的内容必须和第一个组中的内容完全相同