正则表达式re.findall快速入门

基础知识讲解

'\w’匹配字母

\w用于匹配任意一个字母

import re
exp = '  waefwe12345www678wfwe  '
re.findall('\w',exp)

'\d’匹配数字

\d用于匹配任意一个数字

import re
exp = '  waefwe12345www678wfwe  '
re.findall('\d',exp)

'|'或匹配

import re
exp = '   ArrarrBrrbrr'
re.findall('A[a-z].|a[a-z].',exp)

'.'过滤

在python正则表达式中，一个"."可以代表任意一个字符，类似于？
例如我们想匹配到arr、acc、akk等带有a的单词

import re
exp='arraccakk'
re.findall('a..',exp)

过滤[a-z]举例

import re
exp='arraccakk'
re.findall('a..',exp)

空格过滤型

例如下面的exp中，每个词两边都有一个空格

import re
exp = ' arr  acc  akk '
re.findall(' a.. ',exp)
输出：
[' arr ', ' acc ', ' akk ']    #引号里面是有空格的
去掉空格的写法：
re.findall(' (a..) ',exp)

[空]*号匹配 【重点】

[空格]*可以匹配到0-无穷多个空格
a*可以匹配到0-无穷多个a

补充：
a+可以匹配到至少一个a
a{2}可以匹配到刚好2个a
a{2,10}可以匹配2-10个a

import re
exp = '   ArrarrBrrbrr'
re.findall(' *[Aa]rr',exp)
输出结果：
['   Arrarr']

[例1] 在python软件中利用正则表达式替换值

例如，我们需要将如下代码的格式转换为字典

{
a:苹果
b:香蕉
c:菠萝
d:桃子
}

字典格式为：

{
"a":"苹果",
"b":"香蕉",
"c":"菠萝",
"d":"桃子"
}

数据量少可以进行手动添加。数据量多可以用正则表达式进行替换：
Ctri+r打开替换工具

(.*?):(.*)   #匹配到格式上

"($1)":"($2)",   #$1表示第一个值，$2表示第二个值

search()和match()

[例2] 取出指定位置数据

import re
exp='sfnwoefwefwifjwfoiwejof(我想要的数据在这里，想办法取出我)wijfiweofonoiwenoief'
re.findall(' *我.*',exp)[0][:16]   #这里用到的是python数据切片，不懂切片请自行百度

[例3]爬虫中利用正则取出数据

import re  #导入re模块

在网页源代码中提取出标签内的内容：

title = re.findall('<span class=title>(.*?)</span>',html_data)[0]

抓取windows._playinfo_=后面的内容（".“在python中有特殊含义，所以需要用”\"进行转义）

data = re.findall('<script>windows\._playinfo_=(.*?)</script>,html_data)[0]

[例4]记一次取出http://

某一次我想取出下列格式前面的http://或https://

https://1.1.1.1、http://1.1.1.1

re.search("://",ip).span()

span()会返回出该字符串出现的起始位置和最后出现的位置，输出结果如下图

所以可以这样写，这样ip[test:]就取到了://后面的内容了

test = re.search("://",ip).span()[1]
ip[test:]

html_data为网页源代码数据,[0]表示取第一个值，(.*?)表示进行匹配内容

[例5]记一次取接口

import re
a="../../../.../1aafds/adf"

aaa=re.search("/(\w|\d)",a).span()[0]
print(a[aaa:])
#结果：/1aafds/adf

.*?和.*的区别对比
.*?是非贪婪的，匹配的越少越好
.*是贪婪的，匹配的越广越好
对比：

>>> print(re.findall('a(.*?)b','a123ba123b'))
['123', '123']
>>> print(re.findall('a(.*)b','a123ba123b'))
['123ba123']

---

进阶分析：

1.匹配重复项

^(.+)$[\r\n](^\1$[\r\n]{0, 1})+

2.匹配身份证号

(\d{8}(0\d|10|11|12)([0-2]\d|30|31)\d{3}$)|(\d{6}(18|19|20)\d{2}(0[1-9]|10|11|12)([0-2]\d|30|31)\d{3}(\d|X|x))

---

相关视频：
十分钟快速入门正则表达式【推荐】

相关文章
正则表达式 re.findall 用法
正则表达式(.*?)和(.*)的区别

import pprint格式化输出模块
目前data为字符串，使用pprint可以格式化

一篇更详细的正则用法：
https://www.cnblogs.com/aaronthon/p/9435967.html