day2-正则表达式
一、作业:下载英雄皮肤
import requests
import os
# 1.获取所有的英雄ID
def get_all_heroID():
response = requests.get('https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js')
result = response.json()
# for i in result['hero']:# 每一个i就是一个字典
# return i['heroId']
return [x['heroId'] for x in result['hero']]
# 下载皮肤对应的图片
def download(hero_name, skin_name, skin_url):
# 创建英雄对应的文件夹
if not os.path.exists(f'files/{hero_name}'):
os.mkdir(f'files/{hero_name}')
# 下载图片
response = requests.get(skin_url)
with open(f'files/{hero_name}.jpg','wb') as f:
f.write(response.content)
print(f'----------{skin_name}下载完成---------------')
# 2.获取所有的英雄皮肤的地址
def get_all_heroSkins(heroId):
response = requests.get(f'https://game.gtimg.cn/images/lol/act/img/js/hero/{heroId}.js?ts=2799848')
result = response.json()
for i in result['skins']:
hero_name = i['heroTitle']
skin_name = i['name'].replace('/', '')
skin_url = i['mainImg'] if i['mainImg'] else i['chromaImg']
download(hero_name, skin_name, skin_url)
if __name__ == '__main__':
for x in get_all_heroID():
get_all_heroSkins(x)
补充:
import os
# os.mkdir(文件路径) - 在指定的位置创建指定文件夹
# os.mkdir('files/test')
# os.path.exists(文件夹路径/文件路径) - 判断指定文件夹或者文件是否存在
if not os.path.exists():
os.mkdir('files/test')
二、正则表达式
-
正则的作用
正则表达式是一种可以让复杂的字符串变得简单的工具
写正则表达式就是用正则符号来描述字符串规则
import re
from re import *
# 案例1:判断一个字符串是否是一个合法的手机号码
tel = '12345678945'
# 方法1:不用正则表达式
if len(tel) == 11:
if tel[0] == '1':
if tel[1] in '3456789':
if tel[2:].isdigit():
print('合法')
else:
print('不合法')
else:
print('不合法')
else:
print('不合法')
else:
print('不合法')
print('--------------------------------华丽的分割线-------------------------------------')
result = re.fullmatch(r'1[3-9]\d{9}', tel)
if result:
print('合法')
else:
print('不合法')
# 方法2:用正则表达式
result = re.fullmatch(r'1[3-9]\d{9}',tel)
if result:
print('合法')
else:
print('不合法')
# 案例2:提取字符串中所有的数字子串,并且求和
str1 = 'wuin123sbsidbf324'
result = re.findall(r'\d+\.?\d*',str1)
print(sum([float(x) for x in result]))
三、正则语法
-
re模块 - 提供了python中所有和正则相关的函数
1)fullmatch(正则表达式, 字符串) - 判断整个字符串是否满足正则表达式所描述的规则
-
findall(正则表达式, 字符串) - 提取字符串中所有满足正则表达式的字符串
-
search(正则表达式, 字符串) - 匹配字符串中第一个满足正则表达式的子串
注意:Python表达式中,一个正则表达式一般使用r字符串
-
-
正则符号
-
第一类符号:匹配类符号
1)普通符号 - 在正则表达式中表示符号本身的符号
from re import fullmatch,findall,search,match,finditer,split,sub result = fullmatch(r'abc', 'abc') print(result) #匹配对象规则:<re.Match object; span=(0, 3), match='abc'>
2)特殊字符 . - 匹配任意一个字符
from re import fullmatch,findall,search,match,finditer,split,sub result = fullmatch(r'...bc', '吴小爷bc') print(result)
3)\d - 匹配任意一个数字字符
from re import fullmatch,findall,search,match,finditer,split,sub result = fullmatch(r'\d\dabc', '12abc') print(result)
4)\s - 匹配任意一个空白字符
# 空白字符:空格(' ')、换行('\n')、水平制表符('\t'),如果是tab键,表示有四个空格,需要用四个\s result = fullmatch(r'123\sabc','123 ') print(result) result = fullmatch(r'123\sabc','123\nabc') print(result)
5)\w - 匹配任意一个字母、数字、下划线或者中文
result = fullmatch(r'abc\w123','abc吴123') print(result)
6)\D、\S、\W - 和\d、\s、\w功能相反
result = fullmatch(r'\D\Dabc', '12abc') print(result) result = fullmatch(r'123\Sabc','123 ') print(result) result = fullmatch(r'abc\W123','abc吴123') print(result)
- [字符集] - 匹配在字符集中的任意一个字符
""" [abc] - 匹配a或者b或者c [abc\d] - 匹配a或者b或者c或者任意一个数字 [3-9] - 匹配字符3到字符9中的任意一个字符 [a-z] - 匹配任意一个小写字母 [a-zA-Z] - 匹配任意一个字母 [a-zA-Z\d] - 匹配任意一个字母或者数字 [a-z=%] [\u4e00-\u9fa5] - 匹配任意一个中文 """ result = fullmatch(r'abc[bjyx]123','abcb123') print(result) result = fullmatch(r'abc[bjyx=%]123','abc=123') print(result)
8)[/^字符集] - 匹配不在字符集中的任意一个字符(没有反斜杠)
from re import fullmatch,findall,search,match,finditer,split,sub result = fullmatch(r'abc[^bjyx=%]123','abc4123') print(result) result = fullmatch(r'abc[^a-z]123','abca123') print(result) result = fullmatch(r'abc[M^N]123', 'abcM123') print(result)
-
第二类符号:匹配次数符号
1)* - 任意次数(0次或者1次或者多次) - 匹配类符号匹配次数
""" a* - a出现任意多次 \d* - 数字出现任意多次 [abc]* - """ result = fullmatch(r'1a*2', '12') print(result) result = fullmatch(r'1\d*2', '12') print(result) result = fullmatch(r'1[3-9]*2', '12') print(result)
-
-
- 一次或者多次(至少1次)
-
result = fullmatch(r'1a+2', '1a2') print(result)
- ? - 0次或者1次
result = fullmatch(r'1a?2', '1aaa2') print(result)
4){}
""" {N} - N次 {M,N} - M到N次 {M,} - 至少M次 {,N} - 最多N次 """ result = fullmatch(r'1a{3}2', '1aaa2') print(result) result = fullmatch(r'1a{3,7}2', '1aaaa2') print(result)
5)贪婪和非贪婪模式
""" 在匹配次数不确定的时候,如果有多种次数都可以匹配成功,贪婪取最多的那个次数,非贪婪取最少的那个次数 贪婪模式(默认):+、?、*、{M,N}、{M,}、{,N} 非贪婪模式(默认):+?、??、*?、{M,N}?、{M,}?、{,N}? """ result = search(r'a.+b','123ankmb阿萨bfwb123') print(result) result = search(r'a.+?b','123ankmb阿萨bfwb123') print(result)
练习:写一个正则表达式,可以匹配任意一个除了0的整数。
# 合法:233、+234、-7283、100、-2000 # 不合法:0、0002、2.23 result = fullmatch(r'[+-]?[1-9]\d*','-123000') print(result)
-
-
第三类符号:分组和分支
1)分组 - ()
""" 正则表达式中可以用()将部分内容括起来表示一个整体,括号括起来的部分就是一个分组 a.整体操作时,需要分组 b.重复匹配 - 正则中可以通过\M来重复它前面第M个分组匹配的结果 c.捕获 - 提取分组匹配到的结果(捕获分为自动捕获(findall)和手动捕获) """ # a.整体操作时,需要分组 # ’23M'、'89K10L'、'09H23P90Q33W' result = fullmatch(r'(\d\d[A-Z])+','09H23P90Q33W') print('------------------------------分割线------------------------------') result = fullmatch(r'(\d\d[a-z]{3})+','12asd52asd12asd') print(result) # b.重复匹配 result = fullmatch(r'(\d\d)[A-Z]\1+','23J23') print(result) #'23M23'、'90k90' result = fullmatch(r'(\d{3})([a-z]{2})=\2','456as=as') print(result) result = fullmatch(r'[A-Z]{3}(\d{3})=\1','ASD123=123') print(result) #findall在正则表达式中有分组的时候,会自动提取正则匹配结果中分组匹配到的内容 message = '无序列表123,asf6+5555,挺好的挺好的11222' result = findall(r'[\u4e00-\u9fa5](\d+)',message) print(result) # c捕获 # 手动捕获 # 匹配对象.group(N) - 获取匹配结果中指定分组匹配到的内容 # 提取身高和体重 message = '我是小王,今年23岁,身高183厘米,体重70kg' result = search(r'身高(\d+)厘米,体重(\d+)kg',message) print(result) print(result.group()) print(result.group(1),result.group(2))
2)分支 - |
""" 正则1|正则2|正则3|... - 先用正则1进行匹配,匹配成功直接成功;匹配失败用正则2进行匹配... """ result = fullmatch(r'\d{3}|[a-z]{2}','mn') print(result) result = fullmatch(r'abc(\d\d|[a-z]{2})','abc12') print(result)
-
转义符号
含义:在本身具有特殊功能或者特殊意义的符号前加 \ ,让特殊符号变普通
练习:匹整数部分和小数部分都是两位数的小数
result = fullmatch(r'\d\d\.\d\d', '23.45') print(result) result = fullmatch(r'\d\+\d', '34') print(result)
分组:
#'(amd)' result = fullmatch(r'\([a-z]{3}\)', '(jsk)') print(result) # 注意:单独存在有特殊意义的符号,在[]中它的功能会自动消失 result = fullmatch(r'\d[+.?L*()\]]\d*', '3+4') print(result)
-
四、demo
import requests
from re import fullmatch,search,findall
headers = {
'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36'
}
response = requests.get('https://movie.douban.com/top250?start=0&filter=',headers=headers)
result = findall(r'<a href="(.+?)" class=""',response.text)
print(result)
五、re模块
from re import fullmatch, findall, search, match, finditer, split, sub
# match(正则表达式, 字符串)
"""
1)fullmatch(正则, 字符串) - 用整个字符串和正则,匹配成功返回匹配对象,匹配失败返回None
2)findall(正则, 字符串) - 获取字符串中所有满足正则的子串,默认返回一个列表,列表中的元素是所有匹配到的子串(存在自动捕获现象)
3)search(正则, 字符串) - 匹配第一个满足正则的子串,匹配成功返回匹配对象,匹配失败返回None
4)split(正则, 字符串) - 将字符串中所有满足正则的子串作为切割点进行切割
5)split(正则, 字符串, N) - 将字符串中前N个满足正则的子串作为切割点进行切割
6)sub(正则, 字符串1, 字符串2) - 将字符串2中所有满足正则的子串都替换成字符串1
7)sub(正则, 字符串1, 字符串2, N)
8)finditer(正则, 字符串) - 获取字符串中所有满足正则的子串,返回一个迭代器,迭代器中的元素是匹配对象
9)match(正则, 字符串) - 匹配字符串开头
"""
str1 ='技术7晋级赛7jsks7就开始看'
print(str1.split('7',2))
str1 = '技术22晋级赛709jsks511就开始80看'
print(split(r'\d+', str1, 2))
str1 = '技术22晋级赛709jsks511就开始80看'
print(sub(r'\d','+',str1))
message = '妈的,sb,都打起来了你还在打野!草!'
print(sub(r'(?i)妈的|sb|草|操|艹|f\s*u\s*c\s*k', '*', message))
str1 = '技术22晋级赛709jsks511就开始80看'
result = finditer(r'\d+',str1)
print(list(result))
print(fullmatch(r'\d{3}','234'))
print(match(r'\d{3}', '234卡咖啡'))
print('--------------------------------华丽的分割线-------------------------------------')
# 1)忽略大小写: (?i)
print(fullmatch(r'(?i)abc', 'abc'))
print(fullmatch(r'(?i)abc', 'Abc'))
print(fullmatch(r'(?i)abc', 'ABc'))
print(fullmatch(r'(?i)abc', 'aBc'))
# 2)单行匹配:(?s)
# 多行匹配(默认):. 不能和换行符进行匹配
# 单行匹配:. 可以和换行符进行匹配
print(fullmatch(r'abc.123', 'abc\n123')) # None
print(fullmatch(r'(?s)abc.123', 'abc\n123')) # <re.Match object; span=(0, 7), match='abc\n123'>
msg = """
'name:"jshf2-
2ss技术"'
"""
result = findall(r'(?s)name:"(.+)"', msg)
print(result)