前言
想从字符串“12R16L4L”中,分割出两个列表:[12,16,4] and [R,L,L]?
想从一大串字符串中挑出你想要的字眼?
0.什么是正则表达式:
正则表达式,又称正规表示法,是对字符串操作的一种逻辑公式。正则表达式可以检测给定的字符串是否符合我们定义的逻辑,也可以从字符串中获取我们想要的特定部分。它可以迅速地用极简单的方式达到字符串的复杂控制。
1.正则的语法
1.".":匹配除了\n之外的任意一个字符,re.S模式下可以匹配\n
2."\":转义字符
3."[]":或,选择其中包含的字符进行匹配
4."|":或,选择“|”两边的内容进行匹配
5."*":匹配前一个字符出现0次或者无限次,即可有可无
6."+":匹配前一个字符出现1次或者无限次,即至少有1次
7."?":非贪婪,匹配前一个字符出现1次或者0次,即要么有1次,要么没有
8."\s":空白字符,包含"tab键,空格,\n"
9."\S":匹配非空白
10."\d":匹配数字,即0-9
11."\D":匹配非数字,即不是数字
12."\w":匹配单词字符,即a-z、A-Z、0-9、_、还可以匹配中文
13."\W":匹配非单词字符
14."{m}":匹配前一个字符出现m次
15."{m,n}":匹配前一个字符出现从m到n次
16."^":匹配字符串开头
17."$":匹配字符串结尾
18."(ab)":将括号中字符作为一个分组
19."\num":引用分组num匹配到的字符串
20."(?P<name>)":分组起别名
21."(?P=name)":引用别名为name分组匹配到的字符串
重点掌握:匹配单个字符、匹配多个字符、匹配开头结尾、匹配分组
2.正则的方法
1.re.match(r"匹配条件", "匹配的内容"): 能够匹配出以xxx开头的字符串,默认非贪婪,匹配到符合条件的内容就返回内容,内容为字符串
2.ret.group():引用分组中的内容,有(内容)就按1,2进行引用,如果没有,直接引用当前匹配内容,内容为字符串
3.re.search(r"匹配条件", "匹配的内容"):从全局开始开始匹配,如果匹配到符合条件的内容就返回内容,内容为字符串
4.re.findall(r"匹配条件", "匹配的内容"):从全局开始匹配,默认贪婪,会匹配所有符合条件的内容,再返回一个列表
5.re.sub(r"匹配条件", "需要替换的内容", "匹配的内容"):将匹配到的数据进行替换,返回字符串
6.p = re.compile("匹配条件"):可以将条件保存在一个变量中,再以变量.方法的方式进行匹配
例:
p = re.compile("匹配条件")
p.findall("匹配的内容")
3.原始字符串r的作用
1.Python中字符串前面加上 r 表示原生字符串
2.与大多数编程语言相同,正则表达式里使用"\"作为转义字符,这就可能造成反斜杠困扰。假如你需要匹配文本中的字符"\",那么使用编程语言表示的正则表达式里将需要4个反斜杠"\\":前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。
3.Python里的原生字符串很好地解决了这个问题,有了原生字符串,你再也不用担心是不是漏写了反斜杠,写出来的表达式也更直观
4.解决windows下面的文件路径
4.re模块的使用过程
# 导入re模块
import re
# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话,可以使用group方法来提取数据
result.group()
现在回到文章开头的问题,想从字符串“12R16L4L”中,分割出两个列表:[12,16,4] and [R,L,L]?
import re
n = '12R16L4L'
n1 = re.split('\w',n) # \w 以字母为匹配内容 进行分割
n2 = re.split('\d',n) # \d 以数字为匹配内容 进行分割
想从一大串字符串中挑出你想要的字眼?
这一个用法在爬虫中较为常见!
import re
n = '<script src="https://g.csdnimg.cn/??lib/jquery/1.12.4/jquery.min.js,user-tooltip/2.2/user-tooltip.js,lib/qrcode/1.0.0/qrcode.min.js"></script> <script src=\'//g.csdnimg.cn/common/csdn-report/report.js\' type=\'text/javascript\'></script> \
<script src="https://g.csdnimg.cn/user-ordercart/2.0.1/user-ordercart.js?ts=2.0.1\"></script>'
print(re.findall('<script src="(.*?)\">', n))
import re
# 1.匹配以下以.com或.cn为后缀的网址
# li = ['www.baidu.com', 'www.123edu.cn', 'www.taobao.con', 'www.we.n']
# for i in li:
# r = re.match(".*(.com|.cn)$",i) # 分组() 任意一个|
# if r!=None:
# print(f"符合:{i}")
# else:
# print(f"不符合:{i}")
# 2.不是以4、7结尾的号码(4位)
li = ["2233","3344","3452","2457"]
for i in li:
r = re.match(".*[^47]$",i)
if r!= None:
print(f"符合:{i}")
else:
print(f"不符合:{i}")