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]))