Python之常见的正则表达式

正则表达式之字符

元字符     匹配内容
.         匹配除换行符以外的任意字符  # 掌握
\w      匹配字母或数字或下划线        # 掌握
\s       匹配任意的空白符
\d       匹配数字                # 掌握
\n       匹配一个换行符              # 掌握
\t        匹配一个制表符
\b       匹配一个单词的结尾
^        匹配字符串的开始             # 掌握
$        匹配字符串的结尾            # 掌握
\W     匹配非字母或数字或下划线
\D      匹配非数字
\S      匹配非空白符
a|b    匹配字符a或字符b            # 掌握
()      匹配括号内的表达式，也表示一个组        # 掌握
[...]      匹配字符组中的字符        # 掌握
[^...]    匹配除了字符组中字符的所有字符        # 掌握

 

正则表达式之量词

1. 量词只能够影响前面一个字符(ab+ 影响b)
2. 量词不能够单独使用，必须配合表达式使用

量词            用法说明
*            重复零次或更多次
+            重复一次或更多次
?            重复零次或一次
{n}            重复n次
{n,}        重复n次或更多次
{n,m}        重复n到m次

 

贪婪匹配

贪婪匹配就是尽可能多的匹配，能全部便是全部

# 待匹配的文本      <script>hello</script>

# 正则   .*

取消贪婪匹配：  .*?

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。

练习题

1、海.——海燕海娇海东——海燕海娇海东

      ^海.——海燕海娇海东——海燕

     海.$——海燕海娇海东——海东

2、李.?——李杰和李莲英和李二棍子——李杰，李莲，李二

     李.*——李杰和李莲英和李二棍子——李杰和李莲英和李二棍子

     李,+——李杰和李莲英和李二棍子——李杰和李莲英和李二棍子

     李.{1,2}——李杰和李莲英和李二棍子——李杰和,李莲英,李二棍

     李.*?——李杰和李莲英和李二棍子——李,李,李

    李[^和]*——李杰和李莲英和李二棍子——李杰和,李莲英,李二棍

     [\d]+——匹配任意数字

# 需看懂
^[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.
 

# # 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}$/;
# 2. 身份证的正则:"^[1-9]\\d{5}(19\\d{2})|(20[01]\\d)|(202[012])(((0[13578])|10|12)((0[1-9])|(([12][0-9])|30|31)))|(((0[469])|11)((0[1-9])|(([12][0-9])|30)))|(02((0[1-9])|([12][0-9])))//d{4}"
# 3. 邮箱的正则:/^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$/
# 4.URL地址的正则表达式：^(https?://)?([a-zA-Z0-9-]+.)+[a-zA-Z]{2,6}(/[a-zA-Z0-9-_.~%])$
# 5.日期的正则表达式：^\d{4}-\d{2}-\d{2}$
# 6.IP地址的正则表达式：^\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}$
# ...

取消转义

\\n  '\n'
\\\\n '\\n'
在原生正则中，取消转义字符只需要加\(一个\只能转一个字符)
在Python中，推荐使用r'\n\t\d' # 取消转义

D:\\day20\\a\\b\\c

re模块下的常用方法

在Python中，如过使用正则，需要借助于模块，re模块

regluar express-------------> re

import re
# ret = re.findall('正则', '待匹配内容')

# ret = re.findall('正则', '待匹配内容')  # 返回所有满足匹配条件的结果,放在列表里
"""待匹配内容一定是一个字符串，文本. []"""
ret = re.findall('a', 'eva egon yuan a') 
print(ret)  # ['a', 'a']
"""如果匹配到内容就把数据以列表的形式返回, 如果匹配不到就返回[]"""
ret = re.findall('ab', 'eva egon yuan a')
print(ret)  #[]  匹配不到ab
# 此时，我们可以用if判断如果匹配到了执行什么，匹配不到又会执行什么
if ret:    # 如果匹配好了，ret全是可以当做一个列表
    pass
else:
    pass
#  ret = re.search('正则', '待匹配内容')

ret = re.search('ab', 'eva egon yuan')
print(ret)    #结果 : 'a'  
print(ret.group())   # a  只会输出一个a
# 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。
注意：当正则不存在时，print(ret)输出的是None，此时，再group()取值会直接报错

              那么，我们同样可以使用 if判断 或者 异常捕捉（推荐）来防止报错

if ret:
    print(ret.group())
else:
    print(ret)
try:
    ret = re.search('a', 'eva egon yuan').group()
    print(ret)
except Exception:
    print(ret)
#  ret = re.match('正则', '待匹配内容')

ret = re.match('a', 'abc')  # 同search,不过尽在字符串开始处进行匹配
print(ret)    # a
ret = re.match('a', 'ewqeqwabc') 
print(ret)    # 会报错，与search不同的是，必须匹配以正则为开头，例如以a开头才可以
此时，我们同样可以使用if判断或者异常捕捉来减少报错

if ret:
   print(ret.group())
else:
   print(ret)
try:
   ret = re.search('a', 'eva egon yuan').group()
   print(ret)
except Exception:
   print(ret)

 

分组相关

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

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    按括号索引取值
 # 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']      # findall优先展示括号，不像search直接会全部展示

2、有名分组：使用小括号括起来的正则表达式然后给起个名字就是有名的

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'))      # 有名分组可以用索引取值，取名字了也可以直接用名字取值

（复制品仅供参考学习）

 

案例爬取红牛分公司官网（百度红牛官网数据）

#用了findall的分组优先取值

with open('a.txt', 'r', encoding='utf-8') as f:
    data = f.read()
import re
# 1、用findall分组取值得到想要的公司信息
title_list = re.findall('<h2>(.*?)</h2>', data)
address_list = re.findall("<p class='mapIco'>(.*?)</p>", data)
email_list =  re.findall("<p class='mailIco'>(.*?)</p>", data)
phone_list =  re.findall("<p class='telIco'>(.*?)</p>", data)
# 2、各个公司信息组合一起放置
res_list = zip(title_list, address_list, email_list, phone_list)
# print(list(res_list))
# 3、格式化输出
for i in list(res_list):
    print("""
        公司名称：%s,
        公司地址：%s,
        公司邮编：%s,
        公司电话：%s,
    """ % (i[0], i[1], i[2], i[3]))