正则表达式:
@tool.chinaz.com/regex/ui(正则测试小工具)
@推荐书:《正则指引》
字符组:[字符组]:
在同一个位置可能出现的各种字符组成了一个字符组,在正则表达式中用[]表示
典型:身份证号检测:^[1-9]\d{14}[0-9x]?$
1.re.findall
import re
ret = re.findall('[a-z]+','hellow well good') #findall:返回所有满足匹配条件的结果,放在列表里
print(ret)
输出结果:
[‘hellow’, ‘well’, ‘good’]
2.re.search
ret = re.search('a','eva egon yuan') #group:从前往后,找到一个就返回,返回的变量需要调用group才能拿到结果
if ret:
print(ret.group())
输出结果:
a
3.re.match
ret1 = re.match('eva','eva egon yuan')# match:是从头开始匹配,如果正则规则从头开始可以匹配上,就返回一个变量,需要group
ret2 = re.match('va','eva egon yuan')# match:是从头开始匹配,如果正则规则从头开始可以匹配上,就返回一个变量,需要group
if ret1:
print(ret1.group())
if ret2:
print(ret2.group())
输出结果:
eva
ret = re.split('[ab]','abcd')` #先按'a'分割得到''和'bcd',再对''和'bcd'分别按'b'分割
print(ret)
输出结果:
[’’, ‘’, ‘cd’]
4.re.sub
ret = re.sub('\d','H','eva3egon4yuan4',1)#将数字替换成'H',参数1表示只替换一个
print(ret)
输出结果:
evaHegon4yuan4
5.re.subn
ret = re.subn('\d','H','eva3egon4yuan4')#将数字替换成'H',返回元组(替换的结果,替换了多少次)
print(ret)
输出结果:
(‘evaHegonHyuanH’, 3)
6.re.compile
obj = re.compile('\d{3}')#将正则表达式编译成为一个正则表达式对象,规则是要匹配的3个数字
ret = obj.search('abc123eeee')#正则表达式对象调用search,参数为待匹配字符串
print(ret.group())
输出结果:
123
7.re.finditer
ret = re.finditer('\d','ds3sy4784a') #finditer返回一个存放返回结果的迭代器
print(ret) #<callable_iterator object at 0x0000014696F9BC88>
print(next(ret).group()) #查看第一个结果
print(next(ret).group()) #查看第二个结果
print([i.group() for i in ret]) #查看剩余的左右结果
输出结果:
<callable_iterator object at 0x0000014696F9BC88>
3
4
[‘7’, ‘8’, ‘4’]
注意:
1.findall
的优先级查询
import re
ret = re.search('^[1-9]\d{14}(\d{2}[0-9x])?$','610326111111111223')
print(ret.group())
print(ret.group(1)) #可以取分组内的数字(也就是括号里的数据)
输出结果:
610326111111111223
223
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)#这是因为findall会优先把匹配结果组内的内容返回
ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret)#?:会取消分组优先级
输出结果:
[‘oldboy’]
[‘www.oldboy.com’]
2.split()
ret = re.split("(\d)+","eva3gon4yuan")
print(ret) #在匹配部分加上()之后所切出的结果是不同的,没有()的没有保留所匹配选项,但是有()的却能保留匹配选项
输出结果:
[‘eva’, ‘gon’, ‘yuan’]
[‘eva’, ‘3’, ‘gon’, ‘4’, ‘yuan’]
re
的其它常用方法:
(1)re.I(IGNORECASE)
忽略大小写,括号内是完整的写法
(2)re.M(MULTILINE)
多行模式,改变^和$的行为
(3)re.S(DOTALL)
点可以匹配任意字符,包括换行符
(4)re.L(LOCALE)
做本地化识别的匹配,表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境,不推荐使用
(5)re.U(UNICODE)
使用\w \W \s \S \d \D使用取决于unicode定义的字符属性。在python3中默认使用该flag
(6)re.X(VERBOSE)
冗长模式,该模式下pattern字符串可以是多行的,忽略空白字符,并可以添加注释
例题:
1.爬虫练习@非本人代码(代码来自于老男孩教育)
import requests
import re
import json
def getPage(url):
response = requests.get(url)
return response.text
def parsePage(s):
com = re.compile('<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>''.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)评价</span>', re.S)
ret = com.finditer(s)
for i in ret:
yield {
"id": i.group("id"),
"title": i.group("title"),
"rating_num": i.group("rating_num"),
"comment_num": i.group("comment_num"),
}
def main(num):
url = 'https://movie.douban.com/top250?start=%s&filter=' % num
response_html = getPage(url)
ret = parsePage(response_html)
print(ret)
f = open("move_info7", "a", encoding="utf8")
for obj in ret:
print(obj)
data = json.dumps(obj, ensure_ascii=False)
f.write(data + "\n")
if __name__ == '__main__':
count = 0
for i in range(10):
main(count)
count += 25
2.匹配标签
import re
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")#?P<tag_name>:给分组命名 ?P=tag_name:引用分组
#还可以在分组中利用?<name>的形式给分组起名字
#获取的匹配结果可以直接用group('名字')拿到对应的值
print(ret.group('tag_name')) #结果 :h1
print(ret.group()) #结果 :<h1>hello</h1>
ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")# \1:取第一组
#如果不给组起名字,也可以用\序号来找到对应的组,表示要找的内容和前面的组内容一致
#获取的匹配结果可以直接用group(序号)拿到对应的值
print(ret.group(1))
print(ret.group()) #结果 :<h1>hello</h1>
输出结果:
h1
<h1>hello</h1>
h1
<h1>hello</h1>
3.匹配整数
import re
ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))") #字符串前面加'r'是为了防止字符转义
print(ret) #['1', '2', '60', '40', '35', '5', '4', '3']
ret=re.findall(r"-?\d+\.\d*|(-?\d+)","1-2*(60+(-40.35/5)-(-4*3))")
print(ret) #['1', '-2', '60', '', '5', '-4', '3']
ret.remove("")
print(ret) #['1', '-2', '60', '5', '-4', '3']
输出结果:
[‘1’, ‘2’, ‘60’, ‘40’, ‘35’, ‘5’, ‘4’, ‘3’]
[‘1’, ‘-2’, ‘60’, ‘’, ‘5’, ‘-4’, ‘3’]
[‘1’, ‘-2’, ‘60’, ‘5’, ‘-4’, ‘3’]
4.其他典型
1、 匹配一段文本中的每行的邮箱
http://blog.csdn.net/make164492212/article/details/51656638
2、 匹配一段文本中的每行的时间字符串,比如:‘1990-07-12’;
分别取出1年的12个月(^(0?[1-9]|1[0-2])$)
、
一个月的31天:^((0?[1-9])|((1|2)[0-9])|30|31)$
3、 匹配qq号。(腾讯QQ号从10000开始) [1,9][0,9]{4,}
4、 匹配一个浮点数。 ^(-?\d+)(\.\d+)?$ 或者 -?\d+\.?\d*
5、 匹配汉字。 ^[\u4e00-\u9fa5]{0,}$
6、 匹配出所有整数
7.匹配合法IP
(([0|1][0-9]{0,2}|2[0-5]{0,2}).){0,4}
@惰性匹配
量词后边加问号
.*?abc
: 一直取到abc就停
'\d(?P<name>\w)'
: 给分组命名(名字对应括号前面的正则表达式)
compile
: 编译(当正则表达式很长且要多次使用)
\w
: 匹配数字,字母,下划线
作业:实现能计算类似1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )
等类似公式的计算器程序(未写完)
import re
def dealwith(express):
#将表达式中符号做处理 +-替换成- --替换成+
express = express.replace('+-','-')
express = express.replace('--', '+')
return express
def cal_exp_son(exp_son): #只用来计算原子型表达式,两个数之间的乘除法
if '/' in exp_son:
a,b = exp_son.split('/')
return str(float(a)/float(b))
elif '*' in exp_son:
a,b = exp_son.split('*')
return str(float(a) * float(b))
def cal_express_no_bracket(exp): #计算没有括号的表达式
exp = exp.strip('()') #去括号
#先乘后除再加减
while True:
ret = re.search('\d+\.?\d*[*/]-?\d+\.?\d*',exp) #得到第一个乘除两边的数
if ret:
exp_son = ret.group() #子表达式最简单的乘除法
ret = cal_exp_son(exp_son)
exp = exp.replace(exp_son,ret)
exp = dealwith(exp)
else: #说明表达式中没有乘除了
ret = re.findall('-?\d+\.?\d*',exp)
sum = 0
for i in ret:
sum += float(i)
return str(sum)
def remove_bracket(new_express):
while True:
ret = re.search('\([^()]+\)', new_express) # 得到内部没有括号的表达式
if ret:
express_no_bracket = ret.group()
ret = cal_express_no_bracket(express_no_bracket)
new_express = new_express.replace(express_no_bracket,ret)
new_express = dealwith(new_express)
else:
ret = cal_express_no_bracket(new_express)
return ret
express = '1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )'
new_express = express.replace(' ','')
res = remove_bracket(new_express)
print(res)
print(1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) ))
输出结果:
2776672.6952380957
2776672.6952380957
大神写的: