正则表达式简介及使用介绍（含实例）

5.正则表达式

5.1 正则表达式的概念与作用

• 概念：正则表达式是一种字符串匹配的模式（pattern）;
• 作用：检查一个字符串中是否含有某种子串，替换匹配的字符串，提取某个字符串中匹配的子串；

5.2 正则表达式的常见语法

一般字符	匹配自身	a,b,c…	a,b,c…
.	匹配任意除换行符“\n”外的字符	a.c	abc,acc,ac…
\	转义字符，使后一个字符改变原来的意思 如果字符串中有*需要匹配，可以用*	a\.c a\\c	a.c a\c
[…]	字符集，对应的位置可以是字符集中的任意字符。 字符集的内容既可以依次列出，也可以给顶范围， 而第一个字符为^abc表示除abc外的任意字符 字符集中要使用]等字符时，要使用\斜杠	a[bcd]e	abe ace ade

预定义字符	含义	例子	匹配实例
\d	数字：[0-9]	a\dc	a1c
\D	非数字：[^\d]	a\Dc	abc
\s	空白字符：<空格>	a\sc	a c
\S	非空白字符	a\Sc	abc
\w	单词字符：[A-Z0-9a-z]	a\wc	abc
\W	非单词字符：[^\w]	a\Wc	a c

数量词	含义	例子	匹配实例
*	匹配前一个字符0或多次	abc*	ab abccc
+	匹配前一个字符一次或多次	abc+	abc abcccc
?	匹配前一个字符一次或零次	abc?	ab abc
{m}	匹配前一个字符m次	ab{2}c	abbc

5.3 使用实例代码

#导入正则模块
import re

#字符匹配
text = "anabddjajsajdsacdjhadcdjakskabc"
rs = re.findall('abc', text)#普通字符匹配，第一个参数为查找的目标字符串，而第二个参数为查找范围
rs1 = re.findall('a.c', text)#特殊字符的匹配
rs2 = re.findall('a[bc]d', text)#字符集匹配
rs3 = re.findall('a\d*', 'a123')

print(rs)
print(rs1)#返回的是所有的目标的数据
print(rs2)
print(rs3)

5.4 findall方法详解

• re.findall(pattern, string ,flags=0):

  • 作用：扫描整个string字符串，返回与所有pattern匹配的列表；
  • 参数：
    • pattern:正则表达式；
    • string：从哪个字符串中查找；
    • flags: 匹配模式（可以通过匹配模式flag=re.DOTALL或re.S，让’.'也能匹配上换行符）；
  • 返回值：返回与string中与pattern匹配结果相同的所有列表；

• findall方法中分组功能的使用：

  #findall方法中分组的使用
  rs4 = re.findall('a.+bc', 'a\nbc', re.DOTALL)
  rs5 = re.findall('a(.+)bc', 'a\nbc', re.DOTALL)#分组
  print(rs4)
  print(rs5)#仅返回与小括号内容中相同的字符，外部字符仅用于定位，此时返回为“\n”
  

5.5 正则表达式子中r原串的使用

用于解决写正则的时候，消除转义序列或是不符合PEP8 规范的问题。

#1.不使用r原串时，遇到转义字符如何处理

rs6 = re.findall('a\nbc', 'a\nbc')
rs7 = re.findall('a\\nbc', 'a\\nbc')#此时string中的\n为非转义符
rs8 = re.findall('a\\\\nbc', 'a\\nbc')
print(rs6)#此时可以正常匹配
print(rs7)#此时匹配失败
print(rs8)#此时匹配成功，在正则表达式中要匹配一个转义符需写4个转义符

#2.r原串就是在正则中消除转义符带来的影响
rs9 = re.findall(r'a\\nbc', 'a\\nbc')
print(rs9)#匹配成功

5.6 案例: 提取最新的疫情数据的json字符串

#1.请求疫情数据首页
import requests
from bs4 import BeautifulSoup

response = requests.get("http://ncov.dxy.cn/ncovh5/view/pneumonia")
home_page = response.content.decode()

soup = BeautifulSoup(home_page, 'html.parser')
script = soup.find(attrs={'id': "getListByCountryTypeService2true"})
text = script.string
# print(text)

#2.使用正则表达式提取json字符串
import re
json_str = re.findall(r"\[(.+)\]", text)[0]#由于json字符串返回的是一个列表，我们这里仅需要其第一个元素
print(json_str)