python-----正则表达式笔记

正则表达式和re模块：

什么是正则表达式：

通俗理解：按照一定的规则，从某个字符串中匹配出想要的数据。这个规则就是正则表达式。标准答案：https://baike.baidu.com/item/正则表达式/1700215?fr=aladdin

正则表达式常用匹配规则：

匹配某个字符串：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import re

# 1. 匹配某个字符串
text = "hello"
ret = re.match('he',text)
print(ret.group())

# 2. 点：匹配任意的字符（不能匹配'\n'）
text = "ahello"
ret = re.match('.',text)
print(ret.group())

# 3. \d：匹配任意的数字（0-9）
text = "1"
ret = re.match('\d',text)
print(ret.group())

# 4. \D：匹配任意的非数字
text = "+"
ret = re.match('\D',text)
print(ret.group())

# 5. \s：匹配空白字符（\n, \t, \r, 空格）
text = "\t"
ret = re.match('\s',text)
print(ret.group())

# 6. \w：匹配的是a-z,A-Z,数字和下划线
text = "a"
ret = re.match('\w',text)
print(ret.group())

# 7. \W：与\w相反
text = "+"
ret = re.match('\W',text)
print(ret.group())

# 8. []组合的方式：只要满足中括号中的字符，就可以匹配
text = "0731-88888888adas"
ret = re.match('[\d\-]+',text)
print(ret.group())

# 8.1. 中括号的形式代替\d
text = "09"
ret = re.match('[0-9]',text)
print(ret.group())

# 8.2. 中括号的形式代替\D
text = "a"
ret = re.match('[^0-9]',text)
print(ret.group())

# 8.3. 中括号的形式代替\w
text = "_"
ret = re.match('[a-zA-z0-9_]',text)
print(ret.group())

# 8.4 中括号的形式代替\W
text = "+"
ret = re.match('[^a-zA-z0-9_]',text)
print(ret.group())

匹配多个字符

# 9. *：可以匹配0或者任意多个字符
text = "abcd"
ret =  re.match('\w*',text)
print(ret.group())

# 10. +：匹配1个或者多个字符
text = "abcd"
ret = re.match('\w+',text)
print(ret.group())

# 11. ?：要么没有，要么就只有一个
text = "abcd"
ret = re.match('\w?',text)
print(ret.group())

# 12. {m}：匹配m个字符
text = "abcd"
ret = re.match('\w{2}',text)
print(ret.group())

# 13. {m,n}：匹配m-n个字符
text = "abcdef"
ret = re.match('\w{2,4}',text)
print(ret.group())

######### 小案例 #########

# 14. 验证手机号码：
text = "13578900987"
ret = re.match('1[345678]\d{9}',text)
print(ret.group())

# 15. 验证邮箱：
text = 'hynever12_@163.com'
ret = re.match('\w+@[a-z0-9]+\.[a-z]+',text)
print(ret.group())

# 16. 验证URL：
text = "https://baike.baidu.com/item/Python/407313?fr=aladdin"
ret = re.match('(http|https|ftp)://[^\s]+',text)
print(ret.group())

# 17. 验证身份证：
text = "11120304053442324x"
ret = re.match('\d{17}[\dxX]',text)
print(ret.group())

# 18. ^（脱字符）(如果在中括号中，代表取反)
text = "hello"
ret = re.search('^h',text)
print(ret.group())

# 19. $：表示以...结尾：
text = "xxx@163.com"
ret = re.match('\w+@163.com$',text)
print(ret.group())

# 20. |：匹配多个字符串或者表达式：
text = "httpsdfdas"
ret = re.match('(ftp|http|https)',text)
print(ret.group())

# 21. 贪婪模式与非贪婪模式：
text = "0123456"
ret = re.match('\d+',text)  # 贪婪模式
ret = re.match('\d+?',text) # 非贪婪模式
print(ret.group())

text = "<h1>标题</h1>"
ret = re.match('<.+?>',text)
print(ret.group())

# 22. 匹配0-100之间的数字
# 可以出现的：1,2,3,10
# 有三种情况：1,99,100
# 不可以出现的：09,101
text = "100"
ret = re.match('[1-9]\d?$|100$',text)
print(ret.group())

转义字符和原生字符串：

转义字符：
在正则表达式中，有些字符是有特殊意义的字符。因此如果想要匹配这些字符，那么就必须使用反斜杠进行转义。比如$代表的是以...结尾，如果想要匹配$，那么就必须使用$。示例代码如下：

text = "apple price is $299"
ret = re.search("\$\d+",text)
print(ret.group())

原生字符串：
在正则表达式中，\是专门用来做转义的。在Python中\也是用来做转义的。因此如果想要在普通的字符串中匹配出，那么要给出四个。示例代码如下：

text = "apple \c"
ret = re.search('\\\\c',text)
print(ret.group())

因此要使用原生字符串就可以解决这个问题：

text = "apple \c"
ret = re.search(r'\\c',text)
print(ret.group())

re模块中常用函数：

# match：从开始的位置进行匹配。如果开始的位置没有匹配到。就直接失败了
text = 'hello'
ret = re.match('h',text)
print(ret.group())

# 如果第一个字母不是h，那么就会失败。
text = 'ahello'
ret = re.match('h',text)
print(ret.group())

# 如果想要匹配换行的数据，那么就要传入一个flag=re.DOTALL，就可以匹配换行符了。
text = "abc\nabc"
ret = re.match('abc.*abc',text,re.DOTALL)
print(ret.group()).

# search：在字符串中找满足条件的字符。如果找到，就返回。说白了，就是只会找到第一个满足条件的。
text = 'apple price $99 orange price $88'
ret = re.search('\d+',text)
print(ret.group())

# 分组：在正则表达式中，可以对过滤到的字符串进行分组。分组使用圆括号的方式。
# 1. group：和group(0)是等价的，返回的是整个满足条件的字符串。
# 2. groups：返回的是里面的子组。索引从1开始。
# 3. group(1)：返回的是第一个子组，可以传入多个。
text = "apple price is $99,orange price is $10"
ret = re.search(r".*(\$\d+).*(\$\d+)",text)
print(ret.group())
print(ret.group(0))
print(ret.group(1))
print(ret.group(2))
print(ret.groups())

# findall：找出所有满足条件的，返回的是一个列表。
text = 'apple price $99 orange price $88'
ret = re.findall('\d+',text)
print(ret)

# sub：用来替换字符串。将匹配到的字符串替换为其他字符串。
text = 'apple price $99 orange price $88'
ret = re.sub('\d+','0',text)
print(ret)

# sub函数的案例，获取拉勾网中的数据：
html = """
<div>
<p>基本要求：</p>
<p>1、精通HTML5、CSS3、 JavaScript等Web前端开发技术，对html5页面适配充分了解，熟悉不同浏览器间的差异，熟练写出兼容各种浏览器的代码；</p>
<p>2、熟悉运用常见JS开发框架，如JQuery、vue、angular，能快速高效实现各种交互效果；</p>
<p>3、熟悉编写能够自动适应HTML5界面，能让网页格式自动适应各款各大小的手机；</p>
<p>4、利用HTML5相关技术开发移动平台、PC终端的前端页面，实现HTML5模板化；</p>
<p>5、熟悉手机端和PC端web实现的差异，有移动平台web前端开发经验，了解移动互联网产品和行业，有在Android,iOS等平台下HTML5+CSS+JavaScript（或移动JS框架）开发经验者优先考虑；6、良好的沟通能力和团队协作精神，对移动互联网行业有浓厚兴趣，有较强的研究能力和学习能力；</p>
<p>7、能够承担公司前端培训工作，对公司各业务线的前端（HTML5\CSS3）工作进行支撑和指导。</p>
<p><br></p>
<p>岗位职责：</p>
<p>1、利用html5及相关技术开发移动平台、微信、APP等前端页面，各类交互的实现；</p>
<p>2、持续的优化前端体验和页面响应速度，并保证兼容性和执行效率；</p>
<p>3、根据产品需求，分析并给出最优的页面前端结构解决方案；</p>
<p>4、协助后台及客户端开发人员完成功能开发和调试；</p>
<p>5、移动端主流浏览器的适配、移动端界面自适应研发。</p>
</div>
"""

ret = re.sub('</?[a-zA-Z0-9]+>',"",html)
print(ret)

# split：使用正则表达式来分割字符串。
text = "hello world ni hao"
ret = re.split('\W',text)
print(ret)
>> ["hello","world","ni","hao"]

# compile：对于一些经常要用到的正则表达式，可以使用compile进行编译，后期再使用的时候可以直接拿过来用，执行效率会更快。而且compile还可以指定flag=re.VERBOSE，在写正则表达式的时候可以做好注释。
text = "the number is 20.50"
r = re.compile(r"""
                \d+ # 小数点前面的数字
                \.? # 小数点
                \d* # 小数点后面的数字
                """,re.VERBOSE)
ret = re.search(r,text)
print(ret.group())