python攻城狮007-- 正则表达式

之前五篇
001-函数技巧\变量\包\标准库
002-高阶函数技巧-lambda\filter\map\reduce 函数
003–文件の读写
004–面向对象
005–装饰器
006–迭代器

---

正则表达式内容

应用:爬虫用\ 输入框用(正则表达式验证) \ 邮件输入验证

1. 入门及应用
2. 正则表达式进阶
3. 案例(搜东西,正则表达式找出,保存)
4. 综合项目实战

---

什么是正则表达式?

• 正则表达式 regex 一些由字符和特殊符号组成的字符串
• 能按照某种模式匹配一系列有相似特征的字符串

---

正则表达式中的符号:

• 正则表达式_百度百科
• rundoo中讲解
• Python3 正则表达式_w3cschool
• 正则表达式手册-符号全集

---

一些在线正则表达式网站:

• 正则表达式在线测试–菜鸟工具
• 正则表达式在线测试–站长工具
• 在线正则表达式测试

---

使用正则表达式

多重写一起时候,不要加空格(如果是需要空格的除外)

基本的匹配的

• 简单匹配: abc => abc
• 多个匹配: abc | 12c ==> abc , 12c
• 匹配任意字符: . ==>abc , 12c
• 使用* 匹配0次 或者多次(指的是*之前的内容) 如字符串aabc ,然后a*bc则可以匹配出aabc.
• 使用+匹配1次或者多次
• 使用?匹配0次或者1次
• 使用{N}匹配指定出现n次的
• 使用{M,N}匹配指定出现m到n次的,最大化优先

匹配同类型的

• \d匹配数字的
• \w匹配数字或字母
• \s匹配任何空格字符串(包括tab,空格,换行)

边界匹配

• ^用于匹配以什么开头的,如^he.
• $$用于匹配结尾
• \的转义匹配.如点.

指定匹配

• []指定要匹配集合如[abc]{2}
• [^]指定不要匹配内容,如[^abc]{2}

正则表达式分组

• 需要理解一层一层的嵌套组合起来
• (\d{1,3}.){3}\d{1,3} 匹配ip地址
• 使用\1 \2反向引用,如下例子:

he loves her lover.
he likes her liker.

he (l..e)s her \1r    可以匹配两句话
he (?<name>l..e)s her \k<name>r    也可以匹配两句话

贪婪模式 vs 非贪婪模式

• 贪婪匹配—在整个表达式匹配成功前提下,尽可能多
• 非贪婪匹配—在整个表达式匹配成功前提下,以最少的匹配字符
• 默认是贪婪的
• 贪婪:表达式 ab.+c
• 非贪婪:表达式ab.*?c

---

实战

• 身份证号码
• 电话号码
• 邮箱

---

在python中用正则表达式

学习目标

• python模块

import re

• search()的使用
• findall()的使用
• group()与groups()及groupdict()的使用
• split()正则分割
• Sub()正则替换
• 掌握compile()和match()函数的使用

用compile编译

import re
# 通过compile,将正则表达式编译
# re.I  忽略大小写
pattern = re.compile(r'hello',re.I)
# print(dir(pattern))
# 通过match进行匹配
rest = pattern.match('Hello,world')
print(rest)   #<re.Match object; span=(0, 5), match='Hello'>
print(dir(rest))
print('string:',rest.string)
print('re:',rest.re)
print('group:',rest.group)

用findall方法查找

• findall(pattern , string [,flage])
• 查找字符串中所有(非重复)出现的正则表达式模式,并返回一个匹配列表
  下例使用了 编译和 不编译直接匹配两种方式

import re

content='one1Two12three33four444five5six698'
# 使用编译对象
p=re.compile(r'\d+')
p1=re.compile(r'[a-z]+',re.I)
rest=p.findall(content)
rest1=p1.findall(content)
print(rest)
# >>>['1', '12', '33', '444', '5', '698']
print(rest1)
# >>>['one', 'two', 'three', 'four', 'five', 'six']

# 不编译
re.findall(r'[a-z]+',content,re.I)
# >>>['one', 'two', 'three', 'four', 'five', 'six']

用search方法

• search(pattern,string ,flags=0)
• 使用可选标记搜索字符串中第一次出现的正则表达式模式.如果匹配成功,则返回匹配对象 ; 如果失败,则返回None
• 代码方式理解如下

import re 
content ='hello, world'
# 通过编译对象再匹配
p=re.compile(r'world')
rest = p.search(content)
print(rest)
# >>><re.Match object; span=(7, 12), match='world'>

# 也可以直接用
rest_func = re.search(r'world',content,re.I)
print(rest_func)
# >>><re.Match object; span=(7, 12), match='world'>

# 使用match
rest_match=p.match(content)
print(rest_match)
# >>>None

# match是从头找 和 search全部依次找 区别是有的

用group 与 groups

• group(num),不带num返回整个匹配对象 ,带num返回指定匹配对象
• groups(): 返回一个包含所有匹配子组的元组(没有返回空元组)

import re

def test_group():
    content='hello,world!'
    p=re.compile(r'world')
    rest = p.search(content)
    print(rest)
    # >>><re.Match object; span=(6, 11), match='world'>

    # 判断,匹配到再打印
    if rest:
        # group的使用
        print(rest.group())
        # >>>world

        # groups的使用
        print(rest.groups())
def test_id_card():
    """身份证号码正则匹配"""
#     p = re.compile(r'(\d{6})(\d{4})((\d{2})(\d{2}))(\d{2})(\d{1})([0-9]|X)')
    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)')
    ## 准备两个身份证号码
    id1='430656199610015493'
    id2='110229198909220036'
    id3='11012920090923304X'
    id4='110129199909220044'
    
    rest1=p.search(id1)
    rest3=p.search(id3)
    print(rest1.group())  
    # >>>430656199610015493
    print(rest3.group(2)) 
    # >>>2009
    print(rest3.groups()) 
    # >>>('110129', '2009', '0923', '09', '23', '30', '4', 'X')
    print(rest1.groupdict())
    # >>>{'year': '1996', 'month': '10', 'day': '01'}
        
if __name__=='__main__':
    test_group()
    test_id_card()
    
"""
函数执行结果如下:(上边已经分条粘贴过)
<re.Match object; span=(6, 11), match='world'>
world
()
430656199610015493
2009
('110129', '2009', '0923', '09', '23', '30', '4', 'X')
{'year': '1996', 'month': '10', 'day': '01'}
"""

用split切割

• split(pattern, string, max=0)
• split函数将字符串分割为列表,然后返回成功匹配的列表,分割最多操作max次(默认值是分割所有匹配位置)

import re
"""
使用正则分割字符串
"""
ss='one1Two12three3333four444five5six698'

p=re.compile(r'\d+',re.I)
rest = p.split(ss )
print(rest)
#>>>['one ', 'Two', 'three', 'four', 'five', 'six', '']

用sub替换

• sub(pattern,repl ,string,max=0)
• 使用repl替换string中每一个匹配的子串后返回替换后字符串,最多操作max次(默认是所有)

import re
"""
使用正则表达式替换
"""
s='one1Two12three3333four444five5six698'
# 目标效果: one@Two@three@four@five@six@

# 使用正则------------------------------------
p =re.compile(r'\d+')
rest = p.sub('@',s)
print(rest)
# >>>one@Two@three@four@five@six@

# 使用字符串替换-效率低------------------------------------
rest_origin=s.replace('1','@').replace('2','@').replace('3333','@')
print(rest_origin)
# >>>one@Two@@three@four444five5six698

# 再玩一个 正则换位------------------------------------
s2= 'hello world'
p2=re.compile(r'(\w+) (\w+)')
rest_pos=p2.sub(r'\2 \1',s2)
print(rest_pos)
# >>>world hello

# 希望替换并改成大写------------------------------------
def f(m):
    """使用函数进行替换规则改变 """
    return m.group(2).upper()+' '+ m.group(1).upper()


rest_change = p2.sub(f,s2)

print(rest_change)
# >>>WORLD HELLO

# 使用几名函数进行替换:lambda------------------------------------
rest_lamb = p2.sub(lambda m : m.group(2).upper()+' '+m.group(1),s2)
print(rest_lamb)
# >>>WORLD hello

写在最后: 这篇文章有点儿长, 整理笔记累死人