正则表达式基本
"""
1、正则表达式的定义：
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特殊字符、及这些特定字符的组合，组成一个”规则字符串“，这个”规则字符串“用来表达对字符串的一种过滤逻辑。
正则表达式是对字符串（包括普通字符（类如a-z之间的字母）和特殊字符（成为”元字符“））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一
个”规则字符串“，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配一个或者多个字符串。
正则表达式，又称正则表示式、正规表示式、规则表达式、常规表示法（英文：Regular Expression，在代码中regex、regexp或RE）是计算机科学一种概念。正则表达式使用单个
字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换哪些匹配某个模式的文本。
Regular Expression ”Regular“ 一般被翻译为”正则“、”正规“、”常规“。此处的”Regular“即是”规则“、”规律”的意思 Regular Expression即“描述某种规则的表达式”之意
正则在所有语言中都有的内容
2、正则表达式的作用和特点
给定一个正则表达式和一个字符串，可以达到如下目的
1）给定的字符串是否符合正则表达式的过滤逻辑（成为“匹配”）
2) 可以通过正则表达式，从字符串中获取我们想要的特定部分
正则表达式的特点：
1)灵活性、逻辑性和功能性非常强
2）可以迅速用极简单的方法达到字符串的复杂控制
3)对于刚接触的人比较晦涩难懂
场景：
如何判断一个字符串是手机号?
判断邮箱为163或者126的所有邮件地址
假如你在写一个爬虫，你得到了一个网页的HTML源码，其中有一段
s = "<html><body><h1>hello world</h1></body></html>"
你想要把这个hello world 提取出来，但你这时如果只会python 的字符串处理，那么第一反应可能是
s = "<html><body><h1>hello world</h1></body></html>"
start_index = s.find('<h1>')
python re模块
\A:表示从字符串的开始处匹配
\Z: 表示从字符串的结束处匹配，如果存在换行，只匹配到换行前的结束字符串
\b: 匹配一个单词边界，也就是指单词和空格间的位置。例如，‘py\b’ 可以匹配”python“中的”py“，但不能匹配”openpyxl“中的”py“
\B: 匹配非单词边界。”py\b“ 可以匹配”openpyxl“ 中的”py“， 但不能匹配”python“ 中的”py“。
\d:匹配任意数字，等价于[0-9]. digit
\D:匹配任意非数字字符，等价于[^\d] not digit
\s:匹配任意空白字符，等价于[\t\n\r\f]. space
\S:匹配任意非空白字符，等价于【^\s】.
\w:匹配任意字母数字及下划线，等价于[a-zA-Z0-9_] word
\W:匹配任意非字母数字及下划线，等价于[^\w]
\\:匹配原意的反斜杠\。
".":用于匹配换行符(\n)之外的字符。 (任意字符除了\n) 注意： . 必须被转义否则会匹配任意字符 建议\.
"^":方括号里边是非； 用于匹配字符串的开始
"$":用于匹配字符串的末尾(末尾如果有换行符\n,就匹配\n前面的那个字符)，即行尾
"*" 用于将前面的模式匹配0此或多次（贪婪模式：即尽可能多匹配）
"+" 用于将前面的模式匹配1此或者多次（贪婪模式）
"?" 用于将前面的模式匹配0此或者1次（贪婪模式）
"*?,+?,??" 即上面三种特殊字符的非贪婪模式（尽可能少的匹配）
“{m,n}” 用于将前面的模式匹配m次到n次（贪婪模式），即最小匹配m次，最大匹配n次。
“{m,n}?” 即上面“{m,n}”的非贪婪版本
\\: '\'是转义字符，在特殊字符前面加\,特殊字符就失去了其所代表的含义，比如\+就仅仅代表加号+本身
[]:用于标识一组字符，如果^是第一个字符，则标示的是一个补集。比如[0-9]标示所有的数字，[^0-9]标识除了数字外的字符。
|:比如A|B用于匹配A或者B
(...):用于匹配括号中的模式，可以在字符串中检索或匹配我们所需要的内容。
[] :表示范围 [abc][a-z] [a-z*&]或者的关系 、表示单个字母而不是但单词
|：或者
()：# (qq|163|126) 小括号表示整体返回的或者 qq 或者163 或者126
量词：
* >=0
+ >=1
？ 0,1
{m} 固定几位
{m,} >=m
{m,n} m<= x <=n
正则符号：
注意：
\d [a-z] 指标是一个字符
. 必须被转义否则会匹配任意字符 建议\.
Python里数量词默认是贪婪模式（在少数语言里也可能是默认非贪婪），总是尝试匹配尽可能多的字符；
非贪婪则相反，总是尝试匹配尽可能少的字符。
在”*“，”？“，"+" {m,n}后面加？，使贪婪变成非贪婪
"""
qq = input("请输入你的QQ号码：")
if len(qq) >= 5 and not qq.startswith("0"):
print("qq号码是合法的")
else:
print("不合法")
import re
message = 'sanduo lily lucy'
pattern = re.compile('lily')
result = pattern.match(message)
print(result)
re_match = re.match("sanduo", message)
print(re_match)
re_search = re.search("lily", message)
print(re_search)
print(re_search.span())
print(re_search.groups())
print(re_search.group())
msg = 'bckshsaa cinlwn&nel*223jluin8819jhunk21nlini'
result = re.findall('[a-z][0-9]+[a-z]', msg)
print(result)
name1 = '0Asanduo123'
name2 = "SanDUuo123"
name3 = "SanDUuo123#&"
name4 = "123SanDUuo123#&"
name1_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}", name1)
print("name1_result", name1_result)
name2_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}", name2)
print("name2_result", name2_result)
name3_result = re.match("[a-zA-Z][0-9a-zA-Z]{5,}$", name3)
print("name3_result", name3_result)
name4_result = re.search("^[a-zA-Z][0-9a-zA-Z_]{5,}$", name4)
print("name4_result", name4_result)
name4_result = re.search("^[a-zA-Z]\w{5,}$", name4)
print("name4_result", name4_result)
qq = "1008001917"
qq_match = re.match("^[1-9][0-9]{4,10}$", qq)
print(qq_match)
msg = "aa.py ab.txt bbb.py cc.py DD*py"
msg_border = re.findall("py\\b", msg)
print(msg_border)
msg_border = re.findall(r"\w*\.py\b", msg)
print(msg_border)
phone = "18700191127"
match_none = re.match(r"^1[35789]\d{9}$", phone)
print("match_none", match_none)
print("贪婪非贪婪操作".center(20, "*"))
msg = "abc123adrd"
msg_match = re.match(r"[a-z]+\d+", msg)
print(msg_match)
msg_match = re.match(r"[a-z]+\d+?", msg)
print(msg_match)
path = '<img class="main_img img-hover" data-imgurl="http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500" src="http://t14.baidu.com/it/u=963524666,2960549705&fm=224&app=112&f=JPEG?w=500&h=500" style="width: 151px; height: 160px;">'
img_match = re.match(r'<img class="main_img img-hover" data-imgurl=(.+) src=(.+?)"', path)
print(img_match)
print(img_match.groups())
print(img_match.group(1))
print(img_match.group(2))
image_url = img_match.group(1)
import requests
response = requests.get("http://bpic.588ku.com/webpage_pic/22/06/29/b5a3b7ea8e66fa74090d7e1269a2b478.jpg")
print(response)
with open('aa.jpg', 'wb') as write_stream:
write_stream.write(response.content)
正则表达式：分组
"""
group：() 两种：（number 、name）
分组：() -->result.group(1) 获取组中的匹配内容 名字匹配
分组的时候可以结合 |
phone = "010-12345667"
match_phone = re.match(r"(\d{3}|\d{4})-(\d{8})$", phone)
print(match_phone) # <re.Match object; span=(0, 12), match='010-12345667'>
不需要引用分组的内容：引用匹配
msg = "<html><h1>abc</h1></html>"
result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg)
print(result_msg) # <re.Match object; span=(0, 25), match='<html><h1>abc</h1></html>'>
print(result_msg.group(1))
引用分组匹配的内容：
1、number （标签少） \number 引用第number组的内容
msg = "<html><h1>abc</h1></html>"
result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg)
2、?P<名字>（标签多）
s = "<html><body><h1>hello world</h1></body></html>"
s_match = re.match(r"<(?P<name1>\w+)><(?P<name2>\w+)><(?P<name3>\w+)>(.+)</(?P=name3)></(?P=name2)></(?P=name1)>", s)
print(s_match) # <re.Match object; span=(0, 46), match='<html><body><h1>hello world</h1></body></html>'>
print(s_match.group(1))
re模块：
match:从头匹配到尾，只匹配一次
search：找到第一个就停止查找，并返回：只匹配一次
findall：查找所有
sub（正则表达式、需要替换的新内容或者函数、原字符串）:替换
split：字符串中搜索如果遇到 空格 就分割，将分割的类容都保存到列表中
re_split = re.split(r" ", "java:80 python:70") # 空格
print(re_split) # ['java:80', 'python:70']
split(pattern,str)-->[]
"""
import re
n = "50"
re_match = re.match(r"[1-9]?\d", n)
print(re_match)
nu = "09"
re_match = re.match(r"[1-9]?\d", nu)
print(re_match)
num = "100"
re_match = re.match(r"[1-9]?\d", num)
print(re_match)
re_match = re.match(r"[1-9]+\d*", num)
print(re_match)
new_num = "100"
re_match = re.match(r"[1-9]?\d?$|100$", new_num)
print(re_match)
email = "123@qq.com"
match_email = re.match(r"\w+@(qq|163|126).com$", email)
print(match_email)
email = "1006779691@163.com"
match_email = re.match(r"\w{5,20}@(qq|163|126)\.com$", email)
print(match_email)
print("正则分组操作".center(20, "*"))
msg = 'bckshsaa cinlwn&nel*223jluin8819jhunk21nlini'
result = re.search(r"[a-z]\d+[a-z]", msg)
print(result.group())
result = re.findall(r"[a-z]\d+[a-z]", msg)
print(result)
result = re.match(r"[a-z]\d+[a-z]", msg)
print(result)
qq = "1234"
qq = "100799979"
result = re.match(r"^[1-9]\d{4,10}$", qq)
print(result)
s = "<html><body><h1>hello world</h1></body></html>"
s_match = re.match(r"<(?P<name1>\w+)><(?P<name2>\w+)><(?P<name3>\w+)>(.+)</(?P=name3)></(?P=name2)></(?P=name1)>", s)
print(s_match)
print(s_match.group(1))
print(s_match.group(2))
print(s_match.group(3))
print(s_match.group(4))
msg = "<html><h1>abc</h1></html>"
result_msg = re.match(r"<([0-9a-zA-Z]+)><([0-9a-zA-Z]+)>(.+)</\2></\1>$", msg)
print(result_msg)
print(result_msg.group(1))
print(result_msg.group(2))
print(result_msg.group(3))
re_sub = re.sub(r"\d+", "100", "java:80 python:70")
print(re_sub)
def func(temp):
nm = temp.group()
new_nm = int(nm) + 10
return str(new_nm)
res_sub = re.sub(r"\d+", func, "java:80 python:70")
print(res_sub)
re_split = re.split(r"[,: ]", res_sub)
print(re_split)
re_split = re.split(r" ", "java:80 python:70")
print(re_split)
phone = "18700191128"
match_phone = re.match(r"1\d{9}[0-35-68-9]$", phone)
print(match_phone)
print(match_phone.group())
phone = "010-12345667"
match_phone = re.match(r"(\d{3}|\d{4})-(\d{8})$", phone)
print(match_phone)
print(match_phone.group())
print(match_phone.group(1))
print(match_phone.group(2))
msg = "<html>abc</html>"
msg_match = re.match(r"<([0-9a-zA-Z]+)>(.+)</\1>$", msg)
print(msg_match)
print(msg_match.groups())
print(msg_match.group(2))
6095
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
