使用影刀开发脚本、Python正则表达式

十七周内容笔记

使用影刀

影刀这个工具还是比较简单，智能且强大，简单的描述一下定时发送天气预报的一个功能
首先是打开网页

选择浏览器，这里我选择的是谷歌浏览器

输入找到的天气预报的网址

接着我们打开网页，是这样式儿的

接着我们选择获取元素

选择元素块

选择获取元素文本内容

最后选择邮件发送


到目前为止就可以选择保存并发版

创建触发器


应用选择刚刚编辑好的天气预报

设定好时间就可以启动了。

影刀作为一款大厂工具，体验上真的要比后裔采集器好一点，无论是界面观感还是功能实现都要比后羿采集器好用一点。

day51

01-正则的匹配类符号

一、正则表达式

什么是正则？

1.正则是一种可以让字符串处理变得很简单的工具。

2.正则就是通过各种正则符号来描述字符串的规则。

3，在不同的编程语言中正则语法相同，但是表达方式不同。

二、如何描述字符串（正则符号）

import re
# 1.普通字符在正则中表示这个符号本身-->普通符号
re_str = 'abc'
str_1 = '123abc456abcd'
result = re.findall(re_str, str_1)
# findall（正则符号，普通字符串）：从普通字符串中按照正则符号匹配出所有符合的元素
print(result)
# 返回：['abc', 'abc']

# 2.匹配任意字符（通配符），使用.（点）-->通配符
re_str_1 = 'a.c'
result = re.findall(re_str_1, 'abca1ca2cacca22c')
print(result)
# 返回：['abc', 'a1c', 'a2c', 'acc']

# 3.匹配一个任意数字--> \d，匹配一个任意非数字--> \D
result = re.findall('a\dc', 'abca1ca2cacca22c')
print(result)
# 返回：['a1c', 'a2c']

result = re.findall('a\Dc', 'abca1ca2cacca22c')
print(result)
# 返回：['abc', 'acc']

# 4.匹配一个空白字符-->\s，匹配一个非空白字符-->\S
# 空白符号：空格、\n、\t等
result = re.sub('\s', '', 'abc\n123\t456     789')
# sub('正则符号',替换为什么, 从哪里匹配替换)：按照正则符号去匹配，匹配到的结果替换为某符号
print(result)
# 返回：abc123456789

result = re.sub('\S', '1', 'abc\n123\t456     789')
print(result)
# 返回：111	111     111

# 5.匹配字母、数字、下划线--> \w（不重要）
# 其实\w 还可以匹配中文，但是一般不使用\w 匹配
result = re.findall('a\wc', 'abca1ca_cacca22ca-c')
print(result)
# 返回：['abc', 'a1c', 'a_c', 'acc']
# 6.匹配字符集中的出现过的任意一个符号-->[字符集]
# 注意：
# a.一个[]只能匹配一个符号。
# b.在[]中可以将 - 放在两个字符中间表示范围，必须保证 - 前面的符号的编码值小于 - 后面的编码值。
# c.在[]中 - 只有在两个字符之间才具有特殊意义，否则只是表示它本身，
# - 符号只能出现在 3 个位置：两个编码值符合规则的符号之间，或者[]最前面或者最后面。
# d.表示取反：在[]最开头写一个^
result = re.findall('[-1-9a-z_A-Z]', 'abcd1234-+ABCD')
# [-1-9a-z_A-Z]：匹配字符集中的任意一个符号
print(result)
# 返回：['a', 'b', 'c', 'd', '1', '2', '3', '4', '-', 'A', 'B', 'C', 'D']
result = re.findall('[^-1-9a-z_A-Z]', 'abcd1234-+ABCD')
# [^-1-9a-z_A-Z]：匹配不属于字符集中的任意一个符号
print(result)
# 返回：['+']
# [a1+]：匹配 a 或者 1 或者+
# [\dxy]：匹配任意一个数字或者 x 或者 y
# [\u4e00-\u9fa5]：匹配所有中文

# 匹配一个11位手机号，'手机号为12345678900'
result = re.findall('\d\d\d\d\d\d\d\d\d\d\d', '手机号为12345678900')
print(result)
# 返回：['12345678900']

02-正则的重复类符号

import re

# 重复类符号特点：要写在一个符号后面，表示针对这个符号的重复次数

# +：表示匹配一次或多次
result = re.findall('a+c', 'aaacaacacc')
print(result)
# 返回：['aaac', 'aac', 'ac']

# ?：表示匹配 0 次或 1 次
result = re.findall('a?c', 'aaacaacacc')
print(result)
# 返回：['ac', 'ac', 'ac', 'c']

# *：匹配任意次数
result = re.findall('a*c', 'aaacaacacc')
print(result)
# 返回：['aaac', 'aac', 'ac', 'c']

# {N, M}：控制匹配次数
# {N} -> 匹配 N 次
# {N, M} -> 最少匹配 N 次，最多匹配 M 次
# {N, } -> 最少匹配 N 次，上不封顶
# {, M} -> 最多匹配 M 次

result = re.findall('\d{11}', '手机号为12345678900, 身份证号为123456789000100101')
print(result)
# 返回：['12345678900', '12345678900']

# （重要）贪婪和非贪婪
# 在匹配次数不确定的时候，匹配分为贪婪和非贪婪，默认都是贪婪的。
# 贪婪：在能匹配成功的前提下，取一次匹配最多符号的结果。
# 贪婪：+、*、{N,}、{N, M}、{, M}
# （一次能匹配到 5 个符号、同时还能一次匹配到9个、10个、13个，贪婪一定是取13个）
result = re.findall('a.+b', 'amnmb123bblkb')
print(result)
# 返回：['amnmb123bblkb']
# 非贪婪：在能匹配成功的前提下，取一次匹配最少符号的结果。
# 非贪婪：如果不想使用贪婪匹配，直接在贪婪匹配基础上添加?
# +?、*?、{N,}?等
result = re.findall('a.+?b', 'amnmb123bblkb')
print(result)
# 返回：['amnmb']

# 案例：从 a 标签中匹配网址
html_source = '<a href="www.baidu.com">百度</a><a href="www.taobao.com">百度</a>'
# 贪婪（错误结果）
result = re.findall('www.+com', html_source)
print(result)
# 返回：['www.baidu.com">百度</a><a href="www.taobao.com']
# 非贪婪
result = re.findall('www.+?com', html_source)
print(result)
# 返回：['www.baidu.com', 'www.taobao.com']

03-正则的检测类符号

检测类符号：一个符号需要对应一个字符；检测类符号不影响匹配字符串的长度，只是在匹配成功以后对字符串做一次检测。

import re
# ^ -> 检测是否是字符串的开头
# 判断到 ^所在位置不是a33字符串的开头
# ^\d\d -> 判断^所在位置（第一个\d匹配出的元素）是否是字符串开头
result = re.findall('^\d\d', 'a33')
print(result)

result = re.findall('^a\d', 'a33')
print(result)
# 返回：['a3']

# $ -> 检测是否是字符串的结尾
result = re.findall('\d\d$', 'a33')
print(result)
# 返回：['33']

result = re.findall('a\d$', 'a33')
print(result)
# 返回：[]

04-正则的分组、分支、转义字符

分组就是将正则的某一部分使用()括起来看成一个整体，然后进行整体操作，在正则中一个()就是一个分组

import re

# 案例：获取第一组三位数组789
# 一整个正则表达式先将粗略的结果匹配出来 \d{3}ab
# 然后将需要获取的部分再加分许，就能使用findall只拿到分组部分
result = re.findall('\d{3}ab', '789ab788')
print(result)
# 返回：['789ab']
result = re.findall('(\d{3})ab', '789ab788')
print(result)
# 返回：['788']

# 获取 a 标签内的网址
html_source = '<img src="www.111.com"><a href="www.baidu.com">百度</a><a href="www.taobao.com">淘宝</a>'
result = re.findall('a href="(www.+?com)"', html_source)
print(result)
# 返回：['www.baidu.com', 'www.taobao.com']

# 如果分组套分组，每一个大分组和每一个小分组匹配的结果会组成一个元组
html_source = '<img src="www.111.com"><a href="www.baidu.com">百度</a><a href="www.taobao.com">淘宝</a>'
result = re.findall('a href="(www(.+?)com)"', html_source)
print(result)
# 返回：[('www.baidu.com', '.baidu.'), ('www.taobao.com', '.taobao.')]

# 二、分支使用|
# 正则1|正则2 -> 分支其实就是或者
result = re.findall('abc([1-9]{3}|[a-z]{2})', 'abcaa123')
print(result)
# 返回：['aa']

result = re.findall('abc[1-9]{3}|[a-z]{2}', 'abcaabc123')
print(result)
# 返回：['ab', 'ca', 'abc123']

# 三、转义符号：\
# \被添加到某个正则符号前面，能够将这个正则符号转为普通符号
# 获取www.和.com之间只有5个符号的网址
html_source = '<img src="www.111.com"><a href="www.baidu.com">百度</a><a href="www.taobao.com">淘宝</a>'
result = re.findall('="(www\..{5}\.com)"', html_source)
# www\.在正则中表示www.这四个普通符号
print(result)
# 返回：['www.baidu.com']

# \\d 表示什么？ -> \d
result = re.findall('\\\d', 'a\d1c')
print(result, result[0])
# 返回：['\\d'] \d

# 列表：列表中的元素如果是字符串，那么这个字符串会完整显示

06-re模块常用方法

findall（正则，字符串）：获取字符串中所有满足正则表达式的子串，返回一个列表。

sub（正则，字符串1，字符串2）：替换，将字符串2中满足正则的子串替换为字符串1。

split（正则，字符串）：将字符串中满足正则的子串进行切割。

fullmatch（正则，字符串）：判断正则是否能完全与字符串匹配，如果能匹配，返回匹配对象，否则为None。

match（正则，字符串）：判断字符串开头部分是否与正则匹配，如果能匹配，返回匹配对象，否则为None。

search（正则，字符串）：从字符串中查找第一个满足正则的子串，如果查找成功，返回查找对象，否则为None。

import re
str1 = 'a1ca2ca3ca4c'
print(re.match('a.c', str1))
# 返回：<re.Match object; span=(0, 3), match='a1c'>
print(re.fullmatch('a.c', str1))
# 返回：None
print(re.fullmatch('a.+c', str1))
# 返回：<re.Match object; span=(0, 12), match='a1ca2ca3ca4c'>
print(re.search('a3c', str1))
# 返回：<re.Match object; span=(6, 9), match='a3c'>
print(re.findall('a.c', str1))
# 返回：['a1c', 'a2c', 'a3c', 'a4c']
print(re.split('\d', str1))
# 返回：['a', 'ca', 'ca', 'ca', 'c']
print(re.sub('\d', 's', str1))
# 返回：ascascascasc

# 正则匹配中可能涉及的坑？
# 1.字符串多行匹配（默认是单行匹配）
str_1 = """abcd
123c
"""
result = re.findall('a.+c', str_1, flags=re.S)
print(result)
# re.S：通配符.（点）默认不匹配\n，re.S能够让.（点）认识\n，让.能够进行多行匹配

# 2.正则表达式大小写不敏感
str_2 = 'abcABC'
result = re.findall('abc', str_2, flags=re.I)
print(result)
# 返回：['abc', 'ABC']
# 如果正则表达式写起来很麻烦，尤其对大小写字母匹配，可以直接接著re.I，忽略掉大小写