一、re运用的逻辑
二、正则相关函数和规则
三、利用正则进行简单的筛选
======================================================================
一、re运用的逻辑
想像一个场景:你需要将水里的杂质过滤出去,你会用什么样的办法?比较简单的方式是过滤。而过滤需要工具,需要能过滤的东西,像滤网,滤纸。。。。。那如果是数据需要过滤呢?
你也同样需要类似滤纸,滤网的工具,这就是regular expression.
你需要利用re模块编写过滤的条件(滤网),然后采集数据,将数据过滤。
-----------------------------------------------------------------------------------------------
二、正则相关函数和规则
1. 导入函数
import re
2. 构建滤网
pattern = re.compile('条件')
3. 进行过滤
a = pattern.match()
match() 函数
match函数的特点:只对数据的头一部分进行比对,如果没有返回none,
有就直接返回,不再继续比对
search() 函数
search函数的特点:对数据的全部进行比对,如果没有返回none,
有就直接返回,不再继续比对
findall()函数
findall函数的特点:对数据的全部进行比对,如果没有返回none,
有也继续寻找直到找完整个数据为止
group()函数
group函数的特点:返回出筛选出的数据值
4. 更加简便的方法
直接使用match().....等函数。
例如:c = re.match('条件', '......数据.....')
5. 如何写条件(正则)
利用 [] 符号,[] 里的是肯定条件
例如:[189] 意思是数字1,8,9 [a-z]意思是所有小写的英文字母
利用{} 符号,{}里面的是限制数量的条件(一般加在结尾)
例如:{5}意思是只能有五个字符,{5,9}意思是大于5小于9
利用()符号,()是分类作用
例如([0-9][a-z])这是一块,到时也方便提取
正则表达式手册(简化):
字符 | 描述 |
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如,“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。 |
^ | 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性,^也匹配“\n”或“\r”之后的位置。 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。 |
* | 匹配前面的子表达式零次或多次。例如,zo*能匹配“z”以及“zoo”。*等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。 |
? | 当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},{n,m})后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串“oooo”,“o+?”将匹配单个“o”,而“o+”将匹配所有“o”。 |
. | 匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符,请使用像“(.|\n)”的模式。 |
x|y | 匹配x或y。例如,“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“p”。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”。 |
\B | 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。 |
\d | 匹配一个数字字符。等价于[0-9]。 |
\D | 匹配一个非数字字符。等价于[^0-9]。 |
\f | 匹配一个换页符。等价于\x0c和\cL。 |
\n | 匹配一个换行符。等价于\x0a和\cJ。 |
\r | 匹配一个回车符。等价于\x0d和\cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于[^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于\x09和\cI。 |
\v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
\w | 匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。 |
\W | 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
-----------------------------------------------------------------------------------------------
三、利用正则进行简单的筛选
1. 判断十一位的手机号(要求:开头一定是1 ,第二位是3,5,8)
phonenumber = ad13528387719
re.match(r"[1][358]{9},phonenumber)
2.筛选图片地址
image = '<imgclass=""src="https://bkimg.cdn.bcebos.com/pic/1e30e924b899a901a67c445a14950a7b0208f515?x-bce-process=image/resize,m_lfit,w_440,limit_1/format,f_auto" alt="英超元年众队球星合影"style="width:220px;height:126.00831600832px;">'
result = re.match(r''<imgclass=""src="(.*?)"',image)
print(result.goup())
path1 = '<img class="" src="https://bkimg.cdn.bcebos.com/pic/1e30e924b899a901a67c445a14950a7b0208f515?x-bce-process=image/resize,m_lfit,w_440,limit_1/format,f_auto" alt="英超元年众队球星合影"style="width:220px;height:126.00831600832px;">'
result = re.search(r'"https(.*")',path1)
print(result.group())