python——正则表达式

python——正则表达式

1. 正则表达式

• 正则表达式(regular expression)描述了一种字符串匹配的模式(pattern),可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

2. 正则表达式的字符对应功能

2.1 特殊字符

2.2 数量限定字符

2.3 位置字符

3.正则表达式的匹配类型

使用正则表达式有两种方式

1. 创建正则表达式对象，调用函数————使用多次
2. re.调用函数————只使用1~2次

常用函数

函数名	描述	返回值
match	从前往后依次匹配	成功返回re.Match对象，否则返回None
fullmatch	从前往后依次匹配，完整匹配	成功返回re.Match对象，否则返回None
search	在字符串种进行搜索	匹配成功返回re.Match对象，否则返回None
findall	找到所有满足匹配模式的字符串	成功返回一个列表，否则返回一个空列表

3.1 单字符匹配

content = 'hell world 2021/8/14'
result = re.match(r'h', content) # matc只只根据匹配模式进行匹配，成功就返回
if result:
    print(result.group()) # h

3.2 多字符匹配

content = 'hello world 2021/8/14'
result = re.match(r'hello', content)
if result:
    print(result.group())

3.3 指定字符匹配

content = 'hello world 2021/8/14'
result = re.match(r'[\w]*', content)
if result:
    print(result.group())

search函数进行匹配

import re

content = 'hello world 2021/8/14'
result = re.search(r'[\w]*', content)
if result:
    print(result.group())  # hello

find进行匹配

import re

content = 'hello world 2021/8/14'
result = re.findall(r'[\w]+', content)
if result:
    print(result)  # ['hello', 'world', '2021', '8', '14']

group():取出匹配部分
split():分割，返回列表

import re

content = 'hello world 2021/8/14'
result = re.split(' ', content)  # 用空格进行分割，返回列表
print(result)   # ['hello', 'world', '2021/8/14']

sub()：替换字符

import re

content = 'hello world 2021/8/14'
result = re.sub(r'14', '13',  content)  # 将14替换为13
print(result)

content = 'hello world 2021/8/14'
result = re.sub(r'[\d]+', '',  content)  # 将数字特换为空 
print(result)

捕获组：匹配时全部匹配，只返回捕获组匹配的内容，以元组的类型返回，用于过滤字符内容

4. 正则表达式的应用

• 正则表达式在网络数据采集上使用的比较平凡效率比较高，正则表达式实际写起来也是非常困难的一件事。

获取搜狐网首页上的链接

import re

import requests

match = re.compile(r' href=".+?"')  # 创建正则表达式对象
resp = requests.get(url='https://www.sohu.com/')  # 获取搜狐网连接，得到一个responser对象
content = resp.text   # 得到返回的网页源代码内容，类型为字符串
href_list = match.findall(content)  # 获取网页源代码中的链接字符串
for href in href_list:
    link = href[7:-1]
    print(link)

判断QQ号是否合法

import re

pattern = re.compile(r'[1-9][0-9]{5,}')
qq = input('输入qq号：')
result = pattern.match(qq)
if result:
    print(qq)
else:
    print('qq号不符合要求！')