（Python）正则表达式（三）

前言

昨天学习了@白月黑羽up主所出的正则表达式视频课程的一部分，计划三天学完，今天是第三天，看来只能明天结尾了。

学习记录

正则表达式入门依旧是看小甲鱼的文档和白月黑羽up主的视频

元字符^

^匹配字符串(文本)的起始位置

• 如果是单行模式，表示匹配整个文本的开头位置
• 如果是多行模式，表示匹配文本每行的开头位置

题目：下面文本中，每行最前面的数字表示水果编号，最后的数字表示价格，要提取所有水果编号

001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,

代码实现

content = '''001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80
'''

import re
p = re.compile(r'^\d+',re.M)
for one in p.findall(content):
    print(one)

运行结果如下

001
002
003

如果改为默认模式(单行模式)，也就是去掉 compile 的第二个参数 re.M，运行结果如下

001

元字符$

$匹配字符串(文本)的结束位置

• 如果是单行模式，表示匹配整个文本的结束位置
• 如果是多行模式，表示匹配文本每行的结束位置

题目：下面文本中，每行最前面的数字表示水果编号，最后的数字表示价格，要提取所有价格

001-苹果价格-60，
002-橙子价格-70,
003-香蕉价格-80,

代码实现

content = '''001-苹果价格-60
002-橙子价格-70
003-香蕉价格-80
'''

import re
p = re.compile(r'\d+$',re.M)
for one in p.findall(content):
    print(one)

运行结果如下

60
70
80

如果改为默认模式(单行模式)，也就是去掉 compile 的第二个参数 re.MULTILINE，运行结果如下

80

联系昨天所学的编译标志及贪婪模式和非贪婪模式，可以小结出Python通过编译标志来控制正则表达式字符串的模式

元字符()

()称之为 正则表达式的 组选择

• 组就是把正则表达式匹配的内容里面 其中的某些部分 标记位某个组，正则表达式可以标记多个组
• 之所以要有组的概念，是因为往往需要提取已经匹配的 内容里面的 某些部分的核心

题目：从下面文本中选择每行逗号前的字符串

苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的

正则表达式字符串:^(.*)，

验证如下

代码实现

content = '''苹果，苹果是绿色的
橙子，橙子是橙色的
香蕉，香蕉是黄色的'''

import re
p = re.compile(r'^(.*)，', re.MULTILINE)
for one in  p.findall(content):
    print(one)

划分多个组

题目：从下面文本中，提取出每个人的 名字 和 对应的 手机号

张三，手机号码15945678901
李四，手机号码13945677701
王二，手机号码13845666901

思路：先将文本部分表达，然后各部分融合起来表达整体，再用括号括起要匹配的内容

用代码实现

content = '''张三，手机号码15945678901
李四，手机号码13945677701
王二，手机号码13845666901'''

import re
p = re.compile(r'^(.+)，.+(\d{11})', re.MULTILINE)
for one in  p.findall(content):
    print(one)

运行结果如下

('张三', '15945678901')
('李四', '13945677701')
('王二', '13845666901')

当有多个分组的时候，可以使用 (?P<分组名>…) 这样的格式，给每个分组命名

这样做的好处是，方便后续代码提取每个分组里面的内容

代码实现

content = '''张三，手机号码15945678901
李四，手机号码13945677701
王二，手机号码13845666901'''

import re
p = re.compile(r'^(?P<name>.+)，.+(?P<phone>\d{11})', re.MULTILINE)
for match in  p.finditer(content):
    print(match.group('name'))
    print(match.group('phone'))

解读

• group() 返回匹配的字符串
• finditer() 遍历字符串，找到正则表达式匹配的所有位置，并以迭代器的形式返回

元字符?

?用于指定前一个字符匹配零次或者一次

题目：从下面文本里面抓取所有职位的薪资

Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师（C++/python） 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师（Python） 赫里普（上海）信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人

代码实现如下

content = '''Python3 高级开发工程师 上海互教教育科技有限公司上海-浦东新区2万/月02-18满员
测试开发工程师（C++/python） 上海墨鹍数码科技有限公司上海-浦东新区2.5万/每月02-18未满员
Python3 开发工程师 上海德拓信息技术股份有限公司上海-徐汇区1.3万/每月02-18剩余11人
测试开发工程师（Python） 赫里普（上海）信息科技有限公司上海-浦东新区1.1万/每月02-18剩余5人
'''

import re
p = re.compile(r'[\d.]+万/每?月',re.M)
for one in p.findall(content):
    print(one)

解读
[\d.]+：表示匹配 数字或者点多次出现的情况 如：3 33.33这样的数字
每?月这部分表示匹配每月中每这个字可以出现0次或者1次

小结

今天的学习任务大部分没有完成，时间主要花在了微信公众号上，除此看了场篮球比赛，可惜输了，正则表达式还没有学完，明天继续，并且上强度。