正则表达式

正则表达式

\D 匹配任意非数字
P{2,5} 表示匹配P 2-5次，PP PPP PPPP PPPP都可以

^Dear. 表示匹配的字符必须以Dear开头
.com$ 表示匹配的字符必须以com结尾。
[abc]{2} 表示[]中任意出现2个字符均可以，aa ab ac bc bb cc ba ca 都可以。
(abc){3}表示匹配字符串abc连续3次
(\d{1,3\.}{3}(\d{1,3}) 表示匹配1-3位数字+点 3次，然后后面再匹配一个1-3位的数字一次

正则表达式分组
He love her lover
He like her liker
为了匹配上面的，可采用正则表达式：He (?P<name>l..e) her \k<name>r.
其中(?P<name>l..e)是匹配的l..e，中间两个..表示任意两个字符，必须匹配形如l..e的字符
?<name>表示给该组取一个名字叫做name，后面引用该组时，用\k<name>。
非贪婪模式
在要匹配的后面加上？即表示非贪婪
abacthjtfohjfohfohcf
对于贪婪模式，即ab.+c，
对于非贪婪模式，即ab.+?c 只找到abac

正则进阶

#普通re
import re

#将正则表达式编译
pattern = re.compile(r'hello') #写正则表达式前加 r

#通过match进行匹配，如果匹配成功返回匹配对象，不成功返回None
s = 'hello world'
test = pattern.match(s)
print(test)

#忽略大小写的正则表达式匹配
import re

#将正则表达式编译
pattern = re.compile(r'hello',re.I) #写正则表达式前加 r re.I表示忽略大小写进行匹配

#通过match进行匹配，如果匹配成功返回匹配对象，不成功返回None
s = 'Hello world'
test = pattern.match(s)
print(test)

findall

得到的是匹配的列表

import re
content = 'One1Two22tHree333foUr4444fIVe5555siX66666sEVen777777'

#使用编译
pattern = re.compile(r'[a-z]+',re.I)   #使用正则表达式，找出所有的字母，不区分大小写
result = pattern.findall(content)
print(result)

#不使用编译
result = re.findall(r'[a-z]+',content,re.I)
print(result)

search

search和match有一样的作用，都可以从全局字符串中寻找。
search匹配的是匹配的对象

import re
content = 'hello woRld!!!!'
pattern = re.compile(r'world',re.I)

#使用search
result_search = pattern.search(content)
print(result_search)

#使用match
result_match = pattern.match(content)
print(result_search)

group：返回该对象对应的原内容
子组就是正则表达式中的 ()

import re
content = 'hello world'
#先编译正则表达式的匹配模式
pattern = re.compile(r'worLd')
#使用search得到匹配对象
result_search = pattern.search(content)
if result_search:   #如果找到了，匹配到了对象 如果找不到则不显示防止报错
    print(result_search.group())    #在打印自身，即得到匹配对象的内容

def test_id_card():   #小心这里是test_开头，python会默认为进入测试模式！
    p = re.compile(r'(\d{6})(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})(\d{2})(\d{1})([0-9]|X)') 
    #上面的正则表达式共分了7个子元组。group(i)为第i个子元组。groups为所有元组
    id1 = '37078118540503888X'
    result_search = p.search(id1)
    print(result_search.group(3))
    print(result_search.groups())
    print(result_search.groupdict()) #groupdict表示元组名和元组之间的映射。
if __name__ == '__main__':
    test_id_card()

测试结果；
('370781', '1854', '05', '03', '88', '8', 'X')
{'year': '1854', 'month': '05', 'day': '03'}

name==main的用法：

if __name__ == '__main__':
    test_id_card()

在py文件中，如果有该行，则自己直接运行时，if __name__ == '__main__':下面的所有行会被运行。
如果是引用该py文件，则if __name__ == '__main__':下面的所有行都不会被运行。

import re
#使用split将字符串按数字分隔开
pattern = re.compile(r'\s+')
s = '123 456 798 654     321   159  876'
my_list = pattern.split(s)
print(my_list)
>>>>['123', '456', '798', '654', '321', '159', '876']

import re
#使用split将字符串按数字分隔开

#构建正则表达式对象
pattern = re.compile(r'\d+')
content = 'one122two244three35359four698five5667'
#使用split
result_split = re.split(pattern,content)
#等价于
result_split = pattern.split(content)
print(result_split)
>>>>['one', 'two', 'three', 'four', 'five', '']


#使用sub来替换之前的内容
pattern = re.compile(r'\d+')
content = 'one122two244three35359four698five5667'
result = pattern.sub('@',content)
print(result)
>>>>one@two@three@four@five@

#也可以使用字符串的replace来替换，但是比较麻烦
result2 = content.replace('122','@').replace('244','@')
print(result2)

#使用正则表达式交换位置
s = 'hello world!'
pattern = re.compile(r'(?P<first>\w+) (?P<second>\w+)') #实现以空格为区分

result = pattern.sub(r'\2 \1',s) #\2 \1实现两个单词的位置互换
print(result)


#在原有基础上，替换并改变内容
def f(m):
    '''使用函数进行替换并改变'''
    return m.group(2).upper() + ' ' + m.group(1)

result = pattern.sub(f,s)
print(result)

#使用匿名函数替换 lambda表达式
result_lambda = pattern.sub(lambda m:m.group(2).upper() + ' ' + m.group(1),s)
print(result_lambda)

正则表达式中使用元组提取特定内容

import re
s = '我是刘广琦'
pattern = re.compile(r'我是(.+)')
result = pattern.findall(s)
print(result)

输出结果为：
['刘广琦']
即保存了元组中的内容

使用正则表达式保存图片：

# 步骤分析
 1.找到html文件
 2.写正确的正则表达式
 r'<img.+?src=\"(?P<src>.+?)\".+?>中src=后面的圆括号即子组中的内容，使用正则表达式匹配会提取该内容
 3.找到src属性
import re
def find_photo_url():
    with open('D:\\python\\hotgirl.html',encoding='utf-8') as f:
        #读文件
        html = f.read() #读取文件到html对象中
        #建立正则表达式 (使用非贪婪模式的正则表达式)
        pattern = re.compile(r'<img.+?src=\"(?P<src>.+?)\".+?>',re.I|re.M) #re.M不区分多行 要使用多个re属性，用或 re.I|re.M
        result = pattern.findall(html)
        print(len(result))
        for ls in result:
            ls.replace('&amp','&')
            print(ls)


if __name__ == '__main__':
    find_photo_url()
    
>>>>https://img1.baidu.com/it/u=640593135,209279600&amp;fm=253&amp;fmt=auto&amp;app=138&amp;f=JPEG?w=889&amp;h=500