# """
# re
# regexp 正则表达式
# 正则表达式是什么
# 由一堆特殊符号组成的表达式
# 作用
# 处理字符串
# 1.从字符串中获取满足某种规则的内容,在爬虫程序中大量出现
# 2.判断一个字符串内容是否满足某个规则,例如:手机号验证,邮箱验证
#
# # 生活中的规则非常多例如 让有志青年过上体面的生活, 有志青年就是一条规则
# 学习的重点就围绕这一堆符号
#
# """
import re
#
# print(re.findall("\w","a_1 *"))# ['a', '_', '1']
# # \w
# # 只要是大写字符 就是与小写字符相反的意思
# print(re.findall("\W","a_1 *")) # [' ', '*']
#
# # 0-9
# print(re.findall("\d","123abc_*+-"))# ['1', '2', '3']
# print(re.findall("\D","123abc_*+-"))# ['a', 'b', 'c', '_', '*', '+', '-']
#
# #
# print(re.findall("\s"," \n\t\f\v1a*+-"))#[' ', '\n', '\t', '\f', '\v']
#
# print(re.findall("\S"," \n\t\f\v1a*+-"))#['1', 'a', '*', '+', '-']
# # print(" \n\t\v")
# 除了 \n \r
# 在 除了\n外的所有字符
# print(re.findall(".","abc_12\r\n3*+-_%%$#"))
# 单个字符匹配
# \w \d \s .
# 重复匹配 数字 字母下划线
# * 表示0-无穷次
# 0次也满足 则意味着 就算内容没有任何内容匹配也会给你一个空字符 因为空字符也算0次匹配
print(re.findall("\w*","+-*"))
# \w*
# 从网络中下载一个HTML文档 从里面提取所需要的内容
text = """
<img hidefocus="true" class='index-logo-src' src="//www.baidu.com/img/bd_logo1.png" width="270" height="129" usemap="#mp">
"""
print(re.findall('src=".*" width',text))
#
# + 1-无穷次
print(re.findall("\w+","aaabcd"))#['aaabcd']
# 0-无穷
print(re.findall("\w*","aaabcd"))#['aaabcd', '']
#[a,b] 最少a 最多b次
print(re.findall("\w{1,}","aaabcda")) #['aaabcda']
#{1,} 1-无穷 与+的意思相同
#{,2} 0-2
#{1,2} 1-2
#{,1} 0-1 与?意思相同
# \w
# print(re.findall("\w{1,}","a"))
print(re.findall("\w?","aa"))#['a', 'a', '']
# * 0-无穷(随便几次 没有也行)
# + 1-无穷
# ? 0-1次
# {a,b} 手动指定匹配次数
text = "owen_dsb tanke_dsb kiven_dsb jerry"
print(re.findall("\w+_dsb",text))
# 转义符
# print(re.findall("\w+.mp3","xxx.mp3"))
# print(re.findall(".","......"))
# 邮箱验证
# print(re.findall("\w+@\w+.com","1212121212@163.com"))
print(re.findall("a\\\d","a\\d"))
print(re.findall("\\\\","\\"))
# print(re.findall("\*","*"))
# c:\\
# 位置匹配 ^ $
# ^从字符开始处匹配
print(re.findall("^a\w*","pabcdefg"))
# $ 从字符结尾处匹配
print(re.findall("a\w*g$","pabcdefg"))
# 1.是到最后看一眼是不是与表达式匹配 如果不匹配直接放弃
# 2.如果结尾处没问题 在回过头来从前面开始匹配
# ^ 与 $ 同时出现 同时限定开始处和结尾处
print(re.findall("^p\w*g$","sabcdefg"))
print(re.findall("ab*","abbbbbsbbbbbbbbs"))
print(re.findall("a{2}","aaaaa"))
# 范围匹配 可以指定哪些内容是你要 画一个范围
print(re.findall("a|b|c","abcdefg"))
#[abcd]
print(re.findall("[abcd]","absp"))
print(re.findall("[a-zA-Z0-9]","abcdefgr12121hjAAABBi"))
print(re.findall("[a\-b|a+b]","a-b"))
# 在范围匹配时如果内容中包含- 需要把它放在最前面或最后面
print(re.findall("[-a-z0-9]","-s0"))
# 模仿 \w 数字 字母 下划线 [0-9a-zA-Z_]
print(re.findall("[^0-9]","121323abc _ + *"))
# 贪婪匹配 与 非贪婪匹配
# 贪婪指的是 尽可能的匹配更多的内容
# 非贪婪指的是 尽可能的匹配少的内容
# 贪婪的例子:
print(re.findall("ab+","abbbbbbbbbb"))
# 贪婪的例子:
print(re.findall("ab+?","abbbbbbbbbb"))
print(re.findall("ab*?","abbbbbbbbbb"))
htm = """<img src="http://img.ivsky.com/img/tupian/t/201808/07/qingting-001.jpg" alt="轻盈停落的蜻蜓图片">
title="轻盈停落的蜻蜓图片 3996x2664" target="_blank"><img src="http://img.ivsky.com/img/tupian/t/201808/07/qingting-002.jpg">
"""
# 贪婪模式会一次性取到最后一个双引号为止
# print(re.findall('src=".+"',htm))
# # 加上? 变成非贪婪模式
# print(re.findall('src=".+?"',htm))
# print(len(re.findall('src=".+?"',htm)))
# 当我们需要从匹配结果中拿出来某一部分时就需要 分组 把你要的内容加上括号即可
# print(re.findall('src="(.+?)"',htm))
# 当我们需要从一个匹配结果中拿到多个不同部分时 可以加多个分组
# findall会把这些部分放到元组中
# print(re.findall('(src=)"(.+?)"',htm))
# print(re.findall('(src=")(?:.+?)"',htm))
#
#
#
#
#
#
# # \n 其实换了两行 \r换一行
# print("\r",end="")
['', '', '', '']
['src="//www.baidu.com/img/bd_logo1.png" width']
# print("abc",end="")
# print("123",end="")
import re
# re.findall()
# re.search()
# re.match()
print(re.findall("ab","ab abb abc abbb "))
# search 也是全文查找但是只返回 找到的第一个
print(re.search("ab","pasasasasasaab abb abc abbb ").group())
print(re.search("ab","pab abb abc abbb "))
# 从字符串开始匹配 第一个不匹配直接放弃 与^的效果相同
print(re.match("ab","pab abb abc abbb "))
# 将表达式打包成对象 这样可以多次使用无需重新编写
# p = re.compile("ab")
#
# res = p.match("pab abb abc abbb ")
# print(res)
#print(re.split("\s","pab\tabb\tabc\tabbb"))
# 替换内容
# 待处理字符串 旧的内容 新的内容
# \1 \2 表示引用匹配的分组内容
# print(re.sub("(python)(.*)(python)",r"\1\2PYTHON","python is nb language python"))
# 交换字符串内容 需求是把最前的和最后的换位置
print(re.sub("(.+?)(\|.+\|)(.+)",r"\3\2\1","java|PHP|C\+\+|python"))
8
# print(re.findall("a|b","ab"))
# print(re.search("","java|PHP|C\+\+|python"))
# print(re.sub("(python)(.*)(python)", r"\1\2PYTHON", "python asasasaasa python"))
#匹配是否有中文、
pattern = "[\u4e00-\u9fa5]+" # regex = re.compile(pattern) # qq=regex.findall(s)
匹配 身份证号
# k = re.findall("(^\d{15}$)|(^\d{17}([0-9]|X)$)",id1) # if k != []: # print("successful")
第1种类: 校验数字的表达式
1 数字:^[0-9]*$
2 n位的数字:^\d{n}$
3 至少n位的数字:^\d{n,}$
4 m-n位的数字:^\d{m,n}$
5 零和非零开头的数字:^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数:^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数:^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数:^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数:^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数:^\d+$ 或 ^[1-9]\d*|0$
14 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数:^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数:^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数:^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数:^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
第2类:校验字符的表达式
1 汉字:^[\u4e00-\u9fa5]{0,}$
2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符:^.{3,20}$
4 由26个英文字母组成的字符串:^[A-Za-z]+$
5 由26个大写英文字母组成的字符串:^[A-Z]+$
6 由26个小写英文字母组成的字符串:^[a-z]+$
7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串:^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符:[^%&',;=?$\x22]+
12 禁止输入含有~的字符:[^~\x22]+
第3类:特殊需求表达式
1 Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX):^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号(15位、18位数字):^\d{15}|\d{18}$
8 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式:^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式:
16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000":^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的:^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式:[\u4e00-\u9fa5]
27 双字节字符:[^\x00-\xff] (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))
28 空白行的正则表达式:\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*? /> (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式:^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)
31 腾讯QQ号:[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码:[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址:\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)