python基础 - 正则表达式

1.正则表达式

1.0 检测某段字符串是否符合规则

1.1 从一大段文字中将符合匹配规则的匹配出来

元字符 和 量词

字符串[]描述的是一个字符位置上的内容规则;字符组内都是根据ascii编码来的

[0123456]
[0-5]

[0-9] \d 匹配任意一个数字
[A-Z0-9a-z] \w 标识符
\n 匹配回车换行
\t 匹配制表符
\s 匹配所有的空白
\b 匹配一个单词的边界
空格匹配空格


反义词
\D 匹配除了数字之外的所有
\W 匹配数字字符下划线之外的所有
\S 除了空白之外的所有


开始符号和结束符号：规定了字符串的长度
^ 开始
$ 结束，末尾


| 或的概念
123|456

分组
www\.(baidu|oldboy)\.com


量词 在量词的范围内尽可能多的匹配
{n} 表示出现n次
{n,} 表示至少出现n次
{n,m} 表示出现n-m次
?    表示匹配1次或者多次
+    表示匹配1次或多次
*    表示匹配0次或多次


转义：
\ #
r'\\n' -> r'\n'

re模块：根据正则从一段内容中查找结果

1. findall 取出所有结果,返回一个列表
ret = re.findall('\d+','color12345mu98') #取出所有的数字

2. search 只取第一个
ret = re.search('\d+' , 'color34asd24') #如果没有+号，只取一个值，也就是只取匹配到的第一个
if ret: #这里如果取到的是空，使用group方法会报错，所以要加一个判断
print(ret.group()) #这里group是方法，需要有小括号，需要注意

3. match 可以被search取代
re.match('\d+','123abc')

关于替换：

re.subn('\d+','nb','color12aa456')

关于分割：

re.split('\d+','color12aaa34aa44')

提升：
re.compile('\d+') #已经编译了，节省时间，爬虫时候会使用
re.finditer()  #迭代取值

re.findall()  # findall中写了代码，要匹配出来，变异，解释成机器码

re模块的使用：

模块使用：
import re
ret = re.findall('>\w<',r'<title>这是一段文字</title>')

第一：
import re
ret = re.findall('\w+',r'<title>这是一段无聊的文字</title>') #这里如果写w+那么只能匹配多个文字
ret.strip('<>') #将匹配到的符号去掉

第二：
import re
ret = re.findall('(\w+)',r'<title>这是一段无聊的文字</title>') #出来的是一个集合
print(ret[0])

import re
ret = re.search(r'(\d)(\+)(\d)', r'5+6')
print(ret.group(0))  
print(ret.group(1))  
print(ret.group(2))  
print(ret.group(3))  


ret = re.search('<(?P<tag>\w+)>(.*)</(?P=tag)>', r'<h1>wahaha</h2></h1></h3>')
print(ret.group())

 

"""
小括号里面的运算
"""
import re
lis = '1 - 2 * ( (60-30 +(-40/ 5 ) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2))'
lis = lis.replace(' ', '')   #把空格去掉

def coun_s(lis):

    ret = re.search(r'(?P<name1>(-)?\d+(\.\d+)?)(?P<name2>(\*|/))(?P<name3>(-)?\d+(\.\d+)?)', lis)

    if ret:
        if ret.group('name2') == '*':
            res = float(ret.group('name1')) * float(ret.group('name3'))
            if '-' in ret.group('name1') and '-' in ret.group('name3'):
                res = '+'+str(res)
        else:
            res = float(ret.group('name1')) / float(ret.group('name3'))
        newcontent = re.sub(r'(?P<name1>(-)?\d+(\.\d+)?)(?P<name2>(\*|/))(?P<name3>(-)?\d+(\.\d+)?)',str(res), lis, 1)
        return coun_s(newcontent)
    else:
        pass
    return lis

def sum_num(li2):
    ret = re.search(r'(?P<sub1>\d+((\.)\d+)?)(?P<sub2>(\-|\+))(?P<sub3>(-)?\d+((\.)\d+)?)', li2)
    if ret:
        if ret.group('sub2') == '+':
            sum = float(ret.group('sub1')) + float(ret.group('sub3'))
        else:
            sum = float(ret.group('sub1')) - float(ret.group('sub3'))

        news = re.sub(r'(?P<sub1>\d+((\.)\d+)?)(?P<sub2>(\-|\+))(?P<sub3>(-)?\d+((\.)\d+)?)', str(sum), li2, 1)
        return sum_num(news)
    else:
        pass
    return li2

def main(lis):
    ret = re.search('\([^()]+\)', lis)  #拿到最内层小括号
    if ret:
        li2 = coun_s(ret.group())
        li3 = sum_num(li2).strip('()') #加法
        news = re.sub('\([^()]+\)', li3, lis, 1)
        return main(news)
    else:
        end = coun_s(lis)
        li3 = sum_num(end)
        print(li3)
main(lis)