正则表达式
import re
'''
. 匹配任意1个字符（除了\n）
[ ] 匹配[ ]中列举的字符
\d 匹配数字，即0-9
\D 匹配非数字，即不是数字
\s 匹配空白，即 空格，tab键
\S 匹配非空白
\w 匹配非特殊字符，即a-z、A-Z、0-9、_、汉字
\W 匹配特殊字符，即非字母、非数字、非汉字
* 匹配前一个字符出现0次或者无限次，即可有可无
+ 匹配前一个字符出现1次或者无限次，即至少有1次
? 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
{m} 匹配前一个字符出现m次
{m,n} 匹配前一个字符出现从m到n次
^ 匹配字符串开头
$ 匹配字符串结尾
'''
# 匹配以数字开头/结尾的数据
ret = re.match("^\d.*\d$", "1q14567a3").group()
print('匹配以数字开头/结尾的数据', ret)
# 除了指定字符以外都匹配
ret = re.match(".*[^13].*", "12345ej6781").group()
print('除了指定字符以外都匹配', ret)
# 使用正则表达式把qq:10567这样的数据匹配处理
ret = re.match("qq:[1-9]\d{4,10}", "qq:10567").group()
print('qq', ret)
# 匹配以数字开头中间内容不管以数字结尾, 结尾不要4或者7
ret = re.match("^\d.*[1-35-68-9]$", "1qq:12345676").group()
print('匹配以数字开头中间内容不管以数字结尾, 结尾不要4或者7', ret)
# .匹配出163的邮箱地址，且@符号之前有4到20位，例如
hello@163.com
print('匹配出163的邮箱地址，且@符号之前有4到20位', ret)
# 匹配出11位手机号码
ret = re.match("1[3-8]\d{9}", "144341578694").group()
print('匹配出11位手机号码', ret)
# 匹配出微博中的话题, 比如: #幸福是奋斗出来的#
ret = re.match("^#.*#$", "#幸福是奋#斗出来的#").group()
print('匹配出微博中的话题', ret)
""" | 匹配左右任意一个表达式 """
# 在列表中["apple", "banana", "orange", "pear"]，匹配apple和pear
fruit_list = ["apple", "banana", "orange", "pear"]
for value in fruit_list:
ret = re.match("apple|pear", value)
if ret:
print('%s'% ret.group())
else:
print(None)
"""(ab) 将括号中字符作为一个分组 """
# 匹配出163、126、qq等邮箱
mail_list = ["
ello@163.com
", "
e43634llo@126.com.cn
", "
el___32lo@qq.com
", "
elf4_lo@yahoo.com
", "
ello@msn.com
"]
for mail in mail_list:
ret = re.match("[a-zA-Z0-9_]{4,16}@(163|126|qq|yahoo|sina)\.com$", mail)
if ret:
print('%s' % ret.group())
else:
print(None)
# 匹配qq:10567这样的数据，提取出来qq文字和qq号码
ret = re.match("(qq):([1-9]\d{4,10})", "qq:10567")
print(ret.group(), '文字部分：', ret.group(1), '数字部分：', ret.group(2))
""" \num 引用分组num匹配到的字符串 """
# 匹配出<html>hh</html>
ret = re.match("<[a-zA-Z1-9]+>.*</[a-zA-Z1-9]+>", "<html>hh</div>")
print(ret.group())
list = ["<html>hh</html>", "<html>hh</div>"]
for i in list:
ret = re.match("<([a-zA-Z1-9]+)>.*</\\1>", i)
if ret:
print(ret.group())
else:
print(None)
"""(?P<name>) 分组起别名 , (?P=name) 引用别名为name分组匹配到的字符串"""
ret = re.match("<(?P<name1>[a-zA-Z1-9]+)><(?P<name2>[a-zA-Z1-6]+)>.*</(?P=name2)></(?P=name1)>", "<html><h1>
www.itcast.cn
</h1></html>")
if ret:
print(ret.group())
else:
print("匹配失败")
"""re模块的高级用法"""
print('-'*10, 're模块的高级用法', '-'*10)
'''re.search 只查找一次 re.search(pattern, string, flags) pattern: 正则表达式 ; string: 要匹配的字符串'''
match_obj = re.search("\d+", "水果有20个 其中苹果10个")
print(match_obj.group())
''' re.findall 查找所有 re.findall(pattern, string, flags) pattern: 正则表达式 ; string: 要匹配的字符串'''
match_obj = re.findall("\d+", "水果有20个 其中苹果10个")
print(match_obj)
''' re.sub 将匹配到的数据进行替换 re.sub(pattern, repl, string, count)
pattern: 正则表达式 repl: 替换后的字符串 string: 要匹配的字符串 count=0 替换次数，默认全部替换 , count=1根据指定次数替换'''
result = re.sub("\d+", "22", "评论数:10 赞数:20", count=1)
print(result)
# 将匹配到的阅读数加1
def add(match_obj): # match_obj:该参数系统自动传入
# 获取匹配结果的数据
value = match_obj.group()
result = int(value) + 1
# 返回值必须是字符串类型
return str(result)
result = re.sub("\d+", add, "阅读数:10")
print(result)
'''re.split 根据匹配进行切割字符串，并返回一个列表 re.split(pattern, string, maxsplit, flags)
pattern: 正则表达式 string:要匹配的字符串 maxsplit=1 分割次数， 0默认全部分割'''
my_str = '貂蝉,杨玉环:西施,王昭君'
result = re.split(",|:", my_str, maxsplit=0)
print(result)
my_str = """<div>
<p>岗位职责：</p>
<p>完成推荐算法、数据统计、接口、后台等服务器端相关工作</p>
<p>
</p>
<p>必备要求：</p>
<p>良好的自我驱动力和职业素养，工作积极主动、结果导向</p>
<p>
</p>
<p>技术要求：</p>
<p>1、一年以上 Python 开发经验，掌握面向对象分析和设计，了解设计模式</p>
<p>2、掌握HTTP协议，熟悉MVC、MVVM等概念以及相关WEB开发框架</p>
<p>3、掌握关系数据库开发设计，掌握 SQL，熟练使用 MySQL/PostgreSQL 中的一种
</p>
<p>4、掌握NoSQL、MQ，熟练使用对应技术解决方案</p>
<p>5、熟悉 Javascript/CSS/HTML5，JQuery、React、Vue.js</p>
<p>
</p>
<p>加分项：</p>
<p>大数据，数理统计，机器学习，sklearn，高性能，大并发。</p>
</div>"""
# 根据正则表达式替换指定的标签数据
ret = re.sub('</?[a-zA-Z1-6]+>', '', my_str)
# print(ret.strip())
'''在"*","?","+","{m,n}"后面加上？，使贪婪变成非贪婪'''
s="This is a number 234-235-22-423"
r=re.match(".+(\d+-\d+-\d+-\d+)", s) #
print(r.group(1))
r=re.match(".+?(\d+-\d+-\d+-\d+)", s)
print(r.group(1))
mstr = """<img alt="小浅月o的直播" data-original="
https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg
" src="
https://rpic.douyucdn.cn/live-cover/appCovers/2018/03/25/3544712_20180325111300_big.jpg
" width="283" height="163" class="JS_listthumb" style="display: block;">"""
r = re.search('https://.*?\.jpg', mstr)
if r:
print(r.group())
else:
None
import re
ret = re.match("^([hH][tT]{2}[pP]://|[hH][tT]{2}[pP][sS]://)(([A-Za-z0-9-~]+).)+([A-Za-z0-9-~_%\\\\/])+$", Str) # right
if ret:
print(ret.group())
else:
None
ret = re.match("^([hH][tT]{2}[pP]://|[hH][tT]{2}[pP][sS]://)(([A-Za-z0-9-~]+).)+([A-Za-z0-9-~\\\\/])+$", Str)# wrong
if ret:
print(ret.group())
else:
None
# 第一部分：校验协议。^([hH][tT]{2}[pP]://|[hH][tT]{2}[pP][sS]://)。
# 第二部分：校验域名。(([A-Za-z0-9-~]+).)+。
# 第三部分：校验参数。([A-Za-z0-9-~\\/])+$。
#
# 其使用了 xxxx. 这种方式去校验。那么其实匹配过程是这样的：匹配到 www. 匹配到 fapiao.
# 匹配到 com/dzfp-web/pdf/download?request=6e7JGm38jf.....，你会发现因为贪婪匹配的原因，
# 所以程序会一直读后面的字符串进行匹配，最后发现没有点号，于是就一个个字符回溯回去了。
# 这是这个正则表达式存在的第一个问题。
# 另外一个问题是在正则表达式的第三部分，我们发现出现问题的 URL 是有下划线（_）和百分号（%）的，
# 但是对应第三部分的正则表达式里面却没有。这样就会导致前面匹配了一长串的字符之后，发现不匹配，最后回溯回去。
扫一扫
4564
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
