正则regular expression 简单概括

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())