正则
正则:( Regular Expression 又称 regex)
是一种匹配规则
实例
写一个用户登陆需要username,password,email,用正则作简单验证输入是否合法
要求:
1- username以数字字母下划线组成,不能以数字开头,长度位6-18位
2- 密码至少为8位
3- 邮箱合法(以大众邮箱为准)
1- 第一位:[a-zA-Z_] , 第二到十八位:\w(5,17)
^[a-zA-Z_]\w(5,17)
2- 八位任意字符
^.{8:}$
3- 以大众邮箱(123456@qq.com)结构( 第一字段@第二字段.第三字段 )
^\w+@\w+\.\w+$
方法
re.match() 是否以目标字符开头
re.search() 是否存在目标字符
re.findall() 是否存在目标字符,并返回匹配到的内容
re.compile() 正则的编译
re.compile(‘string’)
re.split() 正则的拆分
re.splite('*|-',string) 按照*或者-将string字符串拆分
re.sub() 正则的替换
re.sub('.{1,4}在学习爬虫',string)
符号
. : 单个任意字符,除了换行
[] : 单个字符范围
[abc] : 匹配a或b或c
[a-z] :匹配a到z范围之间的单个![在这里插入图片描述](https://img-blog.csdnimg.cn/20190730150430919.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NTRE5fWHlpbmc=,size_16,color_FFFFFF,t_70)字符
[a-zA-Z0-9_] : 匹配数字子模下划线
\d : 表示数字,相当于[0-9]
\D 表示非数字[^0-9]
\w 表示数字字母下划线
\W 表示非数字字母下划线
\s 表示空格,换行\n,制表符\t,回车符\r,换页符\f
\S 表示非s
边界字符
* : 表示前面字符出现任意多次:0-n
+ : 表示前面字符出现的至少一次
? : 表示前面字符出现0次或1次
{} : 表示出现次数范围
{4} : 4次
{4,} : 4次或以上
{,5} : 最多五次
{4,10} : 出现4-10次
贪婪模式 / 非贪婪模式
贪婪模式:* + {}
非贪婪 : ?
规则
[] 表示字符范围
{} 表示出现次数
() 表示字符整体
分组别名
string = '0075-88888888'
pattern = '(?P<CityCode>\d{4}-(?P<phone>\d{8}))'
res = re.search(pattern,string)
要获取phone部分,可以用到分组
res.group() #获取全部内容
res.group(1) #获取第一个分组中匹配的内容,0075-88888888
res.group(2) #获取第二个括号内的内容,88888888
正则可用于爬虫匹配数据。.常用的网页爬去中有很多空格换行。可以使用
re_element = '<dl class="board-wrapper">(.*?)</div>'
result = re.findall(re_element,html,re.S)
re.S的形式,匹配到所有元素
学如逆水行舟,不进则退。
一个以全栈工程师为目标的奋青程序员