1.昨日内容回顾
2.正则表达式（re模块是python中和正则表达式相关的模块）
1.作用
1）、输入字符串是否符合匹配条件
2）、从大段文字中匹配出符合条件的内容
2.字符组
[0-9a-zA-Z]
3.元字符（匹配个数1个）
. # 匹配除换行符以外的任意字符
w # 匹配字母、数字、下划线
s # 匹配空格、回车符（ ）、制表符（ ）
d #匹配数字
W #匹配非字母、数字、下划线
S # 匹配非空格、回车符（ ）、制表符（ ）
D # 匹配非数字
# 匹配换行符
# 匹配制表符
#匹配单词的结尾 例：h(以‘h’为开头)，h(以‘h’为结尾)
ab|a #匹配ab或a，注长的放在前边。
[...] #匹配字符组中的字符
[^...] #匹配除字符组中字符以外的所有字符
^ #匹配字符串的开头^a
$ #匹配字符串的结尾a$
4.量词
* #重复0次或更多次
+ #重复0次或更多次
？ # 重复0次或1次
{n} # 重复n次
{n,} #重复n次或更改次
{n,m} #重复n次至m次
5.其他
1）、 . ^ $
|
正则 |
待匹配字符 |
匹配 |
说明 |
|
李[杰莲英二棍子]* |
李杰和李莲英和李二棍子 |
李杰 |
表示匹配"李"字后面[杰莲英二棍子]的字符任意次 |
|
李[^和]* |
李杰和李莲英和李二棍子 |
李杰 |
表示匹配一个不是"和"的字符任意次 |
2）、 * + ? { }
3)、 分组 ()与 或 ｜[]［^］ #匹配15或18位（含x）例子
ret = re.findall('[1-9]d{14}(?:d{2}[0-9x])?$', '34939489495854966234')
print(ret)
4)、 转义符
在python中，无论是正则表达式，还是待匹配内容，都是字符串的形式出现，但是字符串中的也有特殊含义，本身需要转义.所以我们要匹配一次"d"，我们需要写成‘\d’,
正则表达式中要写成‘\\d’，看着不舒服,写着也不方便，在python中表示待匹配的‘d’写成r‘d’，在正则中写成r‘\d’。
5）、 贪婪匹配和惰性匹配
贪婪匹配：在满足匹配时，会匹配尽可能长的的字符串，默认采用的是贪婪匹配。
惰性匹配（？）：例子.*?x，取前面任意长的字符串，直至出现x
|
正则 |
待匹配字符 |
匹配 |
说明 |
|
<.*> |
<script>...<script> |
<script>...<script> |
默认为贪婪匹配模式，会匹配尽量长的字符串 |
|
<.*?> |
r'd' |
<script> |
加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串 |
3.re模块
常用方法：
1.re.findall(‘a’,‘abca’,flag=0) # 返回所有满足匹配条件的结果，放到列表里
2.re.search(,) #函数会在字符串内查找模式匹配，只要找到第一个匹配就会返回包含匹配信息的对象，该对象可以通过.group()方法取回匹配的字符串，如没有匹配返回None。
ret = re.search('a', 'eva egon yuan').group()
print(ret) #结果 : 'a'
3.re.match(,) # 和search基本相同，不过他仅在待匹配字符串开头匹配
ret = re.match('ab', 'abcd').group()
print(ret)
4.re.split(’[ab]‘,'abcd') # 按[ab]的元素进行依次分割，得到列表
ret = re.split('[ab]','abcd')
print(ret)
运行结果：['', '', 'cd']
正则表达式部分加上（）和不加得出结果是不同的，加上（）保留了所匹配到的项，而不加（）没有保留所匹配到的项目
ret = re.split('(ab)','abcd')
print(ret)
''' ['',
'','ab', 'cd'] '''
5.re.finditer() # 返回一个存放匹配结果的迭代器。
6.sub subn
7.编译：compile
ret =
re.finditer('d+','d123dd22ss2343')
print(ret)
print(next(ret).group())
for i in ret:
print(i.group())
'''
<callable_iterator object at 0x000000000075DD30>
123
22
2343
'''
两个注意点：
1 findall的优先级查询：#findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
ret
= re.findall('www.(baidu|cnblogs).com', 'www.baidu.com,www.cnblogs.com')
print(ret) #
含组 会优先返回组内匹配内容，显示全部匹配内容：
ret = re.findall('www.(?:baidu|cnblogs).com', 'www.baidu.com,www.cnblogs.com')
print(ret)
'''
['baidu', 'cnblogs']
['www.baidu.com', 'www.cnblogs.com']
'''
2 split的优先级查询：加（）会会在结果列表中保留匹配的项
ret=re.split("d+","eva3egon4yuan") print(ret) #结果 ： ['eva', 'egon', 'yuan'] ret=re.split("(d+)","eva3egon4yuan") print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之 后所切出的结果是不同的， #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， #这个在某些需要保留匹配部分的使用过程是非常重要的。
3 ？号的4种用法：
1）、量词：重复0次或一次
2）、惰性匹配：
3）、分组标识：定义（？P<name> 正则表达式） 使用的时候：（？P=name）
4）、findall和split中：取消分组优先级
4.综合练习和扩展
1.匹配标签：
标签匹配的两种方式：
1）、利用组名：
ret = re.search("<(?P<tag_name>w+)>w+</(?P=tag_name)>","<h1>hello</h1>")
print(ret.group())
2）、利用组号：
ret = re.search("<(w+)>w+</\1>","<h1>hello</h1>")
print(ret.group())
3）、练习
@@@123@@@
###123###
'@@@123@@@'
'###123###'
ret = re.search('(?P<tag_name>.+)w+(?P=tag_name)', '@@123@@@')
print(ret.group())
2.匹配整数
View Code
3.数字匹配
# 1、 匹配一段文本中的每行的邮箱
#
http://blog.csdn.net/make164492212/article/details/51656638
#
# 2、 匹配一段文本中的每行的时间字符串，比如：‘1990-07-12’；
ret = re.search('[1-2]d{3}-(0?[1-9]|1[0-2])-(0?[1-9]|[1-2][0-9]|[3][0-1])', '1990-1-1')
print(ret.group())
#
# 分别取出1年的12个月（^(0?[1-9]|1[0-2])$）、
# 一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$
#
# 3、 匹配qq号。(腾讯QQ号从10000开始) ［1,9］[0,9]{4,}
#
# 4、 匹配一个浮点数。
^(-?d+)(.d+)?$ 或者 -?d+.?d*
#
# 5、 匹配汉字。
^[u4e00-u9fa5]{0,}$
ret = re.findall('^[u4e00-u9fa5]','中国人民共和国ss')
print(ret)
#
# 6、 匹配出所有整数
4.爬虫练习
5.作业题，计算器
实现能计算类似
1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等类似公式的计算器程序
5.collections模块：
1、namedtuple # 生成可以用名字来访问的元素内容的元组（不能改）
2、deque # 双端队列 可以快速的从另一侧追加和删除元素
3、OrderedDict #
有序字典
4、defaultdict #
带默认值的字典
5、Counter # 计数器 主要用来计数。