正则表达式及re模块

一.正则表达式

       什么是正则表达式：正则表达式是一种描述文本模式的语言，它用于匹配、搜索和替换文本中的字符序列。简单来说，正则表达式是一种用来描述字符串模式的规则。通过使用正则表达式，可以快速、高效地搜索、处理和替换特定形式的字符串。它在很多编程语言和应用程序中都得到了广泛的应用。

1. 字符

        在正则表达式中，我们经常用到的有

字符： 
.      匹配除了换行符的任意字符。
\w  匹配字母，数字和下划线。
\d  匹配所有数字
\n  匹配换行符
a|b 匹配a或b
()  匹配括号里的字符组
^   匹配以什么开头
$   匹配以什么结尾
[...]匹配字符组中的字符
[^...]匹配除了字符组的所有字符

补充：

2. 量词

        在正则表达式中，量词用于指定一个模式可以出现的次数，他只会影响前一个字符(ab+)只能影响a，不能影响b。量词不可单独使用，必须配合表达式使用。

*        重复0次或多次
+        重复1次或多次
?        重复0次或者1次
{n}        重复执行n次
{n，}    重复执行n多更多
{n，m}    重复n至m

3. 贪婪与非贪婪匹配

        贪婪匹配是指在正则表达式中采用的一种匹配策略，即会尽可能地匹配更多的字符 

在满足条件时，会尽可能的匹配多个值。

# 待匹配的文本
<script>hello</script>

# 正则
<.*>
# <script>
# <script>hello</script>

取消贪婪匹
配的关键词：<.*>

.   任意字符

* 重复0次至无数次

? 是非贪婪模式

组合在一起<.*>就是尽可能的匹配少的字符，.*?x ，意思就是去前面任意的长度，直到x停止。

实列

{n,m}
^[1-9]\d{13,16}[0-9x]$
^[1-9]\d{13,16}[0-9x]$
^[1-9]\d{14}(\d{2}[0-9x])?$
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$

# 对于常见的正则表达式，我们直接取百度搜索，实际编码中，我们可以写一些简单的正则.
##1. 手机号正则 :


 /^1([38][0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|9[89])\d{8}$/##2
身份证的正则："^[1-9]\\d{5}(19\\d{2})|(20[01]\\d)|(202[012])(((0[13578])|10|12)((0[1-9])|(([12][0-9])|30|31)))|(((0[469])|11)((0[1-9])|(([12][0-9])|30)))|(02((0[1-9])|([12][0-9])))//d{4}"

^[1-9]\d{13,16}[0-9x]$：意思为，只能是一到九开头的数字，后面的数字是13到16,之后0-9之间的数

4. 取消转义

在大多数正则表达式中，可以使用反斜杠（\）来转义字符。如果想要取消转义，可以使用两个反斜杠（\）来表示一个反斜杠字符本身。例如，如果想要匹配一个包含反斜杠的字符串，可以使用正则表达式 \\ 来匹配一个反斜杠字符。

但在python中，推荐使用\n ,\t \d等取消转义

二.re模块的常用方法

 1. re模块的使用方法

re模块是Python中的正则表达式模块，用于匹配和处理字符串。

re模块中的主要函数包括：

• re.match()：从字符串的开头匹配正则表达式。和search相同，不同的是在字符串开始处进行处理。

• import re
  ret = re.match('a', 'jksdlab')
  print(ret)
  try:
      ret = re.match('a', 'jksdlab').group()
      print(ret)
  
  except Exception:
      print(ret)
  
  import re
  ret = re.match('a', 'asdlab').group()
  print(ret)##开头

• re.search()：扫描整个字符串并返回第一个匹配的对象。只到找到第一个匹配然后返回一个包含匹配信息的对象,该对象可以
  # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。

• import re
  ret = re.search('ab', 'sk，eva，sdl，jhsj')
  print(ret)##None

• re.findall()：返回字符串中所有的非重叠匹配项列表。re.findall('正则','待匹配的内容')待匹配内容一定是一个字符串，文本或空列表。如果匹配到内容则按照列表的形式返回，如果匹配不到，则返回空列表 [ ]。

• import re
  ret = re.findall('a', 'ask，aklsl，sdl，dpowpa')
  print(ret)#[['a', 'a', 'a']
  ]

• re.sub()：用指定的替换字符串替换与正则表达式匹配的所有子字符串。

除了这些，re模块还提供了一些用于编写正则表达式的方法和特殊字符。

使用re模块可以方便地处理字符串，进行文本匹配、替换、分割等操作。

2. 无名分组和有名分组

1. 无名分组：使用小括号括起来的正则表达式就是无名分组

常用：

res = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$', '110105199812067023')
print(res)
print(res.group())  # 110105199812067023
print(res.group(1))  # 10105199812067
print(res.group(2))  # 023

# findall针对分组优先展示   无名分组
    """
    如果是findall，分组优先展示,无名分组
    """
    res = re.findall("^[1-9](\d{14})\d{2}[0-9x]?$",'110105199812067023')
    print(res)  # ['023']

findal：优先进行无名分组的优先展示

2. 有名分组：

        有名分组就是使用小括号括起来的正则表达式，然后给命名，就是有名分组

  res = re.search('^[1-9](?P<xxx>\d{14})(?P<ooo>\d{2}[0-9x])?$','110105199812067023')
    print(res)
    print(res.group(1))
    print(res.group(2))
    print(res.group('xxx'))
    print(res.group('ooo'))

分类案列：

        爬取红牛分公司官网数据

        

import re

with open('red bull.txt','r', encoding='utf-8')as f:
    date = f.read()


title_list = re.findall('<h2>(.*?)/h2>', date)
address_list = re.findall("<p class='mapIco'>(.*?)</p>", date)
email = re.findall("<p class='mailIco'>(.*?)</p>", date)
phone = re.findall("<p class='telIco'>(.*?)</p>", date)

res_list = zip(title_list, address_list, email, phone)
for i in list(res_list):
    print("""
            公司名称: %s
            公司地址: %s
            公司邮箱：%s
            公司电话：%s
            """ % (i[0], i[1], i[2], i[3]))