Python进阶(一)——正则表达式
一.概念
正则 = 正确的规则 regular
表达式 = 既定规则 expression
描述了匹配字符串的规则
二.用途
- 根据规则抓取数据,可以配合爬虫使用,也可以根据规则在文档中提取数据
- 规矩规则验证数据,验证手机号,邮箱等
三.python中使用正则
引入模块import re
常用方法:
- 查找/提取内容:
re.findall(pattern,string)
参数:查找规则,匹配内容 ,返回结构化数据 - 匹配/验证内容:
re.match(pattern,string)
参数:匹配规则,匹配内容 , 返回布尔值 - 切割内容:
re.split(pattern,string)
参数:匹配规则,匹配内容
规则:
普通字符:a-z,A-Z,0-9,标点符号等
特殊字符/通配符
直接规则字符:
符号 | 含义 |
---|---|
. | 匹配除了换行以外的任何一个字符 |
* | 匹配前面表达式规则字符任意次(包含0) |
? | 尽可能少匹配,禁止贪婪模式 |
+ | 匹配前面表达式规则字符任意次(至少一次) |
\d | 匹配一个数字 |
\D | 匹配一个非数字 |
\w | 匹配包括下划线的任意单词字符 |
\W | 匹配任意非单词字符 |
\s | 匹配任何空白字符 |
\S | 匹配任何非空白字符 |
^ | 字符串开头匹配 |
$ | 字符串结束匹配 |
辅助规则字符:
符号 | 含义 |
---|---|
[] | 筛选条件 |
() | 分组(也可以理解为就要括号内的数据) |
{} | 出现次数 范围/固定 |
^与[]结合表示非,例如[ ^a]表示非a都取
四.实例
#提取专业名
#提取专业名
import re
txt = '''
所学专业:土木类
所学专业:化工类
所学专业:计算机类
'''
pattern = r":(.*)"
res = re.findall(pattern=pattern, string=txt)
print(res)
#提取手机号
#提取手机号
import re
info = '''
鑫鑫,18347613155,20
磊磊,15647443523,19
轩轩,13674862546,21
'''
pattern = r"\d{11}"
res = re.findall(pattern=pattern, string=info)
print(res)
#验证邮箱
#验证邮箱
import re
qq_email = '1689605465@qq.com'
pattern = r"[1-9]\d{4,10}@qq.com"
res = re.match(pattern=pattern, string=qq_email)
print(bool(res))
贪婪模式与非贪婪模式:
# 贪婪模式与非贪婪模式
import re
html = '''
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>测试用例</title>
</head>
<body>
Hello World
</body>
</html>
'''
#贪婪:尽可能多的取,每一行取最后一个>
pattern = r'<(.*)>'
res = re.findall(pattern,html)
print(res)
#非贪婪:遇到<>就会取
pattern = r'<(.*?)>'
res = re.findall(pattern,html)
print(res)
锁定长度,使用^$
# 锁定长度,使用^$
import re
pattern = r'^a[1,2]$'
res = re.match(pattern,'a1') #长度固定,只能找到a1,a2
print(res)
pattern = r'^a[1,2]'
res = re.match(pattern,'a13265') #这个长度不固定,也可以找到
print(res)
re.S使用
import re
msg = '''
我被分
开啦
'''
pattern = r'被(.*)啦'
res = re.findall(pattern,msg,re.S) #遇到空行也会继续往下取
print(res)
re.M使用
# re.M使用
import re
msg = '''张三:程序员
李四:项目经理
王五:WEB工程师
'''
pattern = r'^.{2}' #^从头开始取,就回取一次
res = re.findall(pattern,msg, re.M) #把字符串分成一行一行取
print(res)