正则表达式

最新推荐文章于 2024-02-19 16:43:38 发布
最新推荐文章于 2024-02-19 16:43:38 发布
阅读量782 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zcx1203/article/details/83002110
版权

通配符的使用

* : 0个到无穷多个任意字符
? :一个必定存在的任意字符
. :当前路径
.. :上一级路径
[0-9]:0到9所有数字
[a-z]:a到z所有小写字母
[A-Z]:A到Z所有大写字母
[a-zA-Z]：所有字母

官方参考代码:

>>> import glob
>>> glob.glob('./[0-9].*')
['./1.gif', './2.txt']
>>> glob.glob('*.gif')
['1.gif', 'card.gif']
>>> glob.glob('?.gif')
['1.gif']
>>> glob.glob('**/*.txt', recursive=True)
['2.txt', 'sub/3.txt']
>>> glob.glob('./**/', recursive=True)
['./', './sub/']


>>> import glob
>>> glob.glob('*.gif')
['card.gif']
>>> glob.glob('.c*')
['.card.gif']

"""
import  glob

正则表达式常用逻辑及方法


#     re： regular experssion ==== 正则表达式

# 作用: 对于字符串进行处理， 会检查这个字符串内容是否与你写的正则表达式匹配，
        如果匹配， 拿出匹配的内容;
        如果不匹配， 忽略不匹配内容;


#  学习正则的规则:

"""
import re

s = "kiosk/home/kiosk/westosanaconda2/envs/blog/bin/python3.6/home/kiosk/Desktop/day25"
# s.find('westos')



# ***************************findall方法********************************
# 1. 编写正则的规则
pattern1 = r'westos'
pattern2 = r'kiosk'

# 2. 通过正则去查找匹配的内容
print(re.findall(pattern1, s))
print(re.findall(pattern2, s))



# ************************match********************************
#   match尝试从字符串的起始位置开始匹配,
#       - 如果起始位置没有匹配成功， 返回一个None;
#       - 如果起始位置匹配成功， 返回一个对象;
print(re.match(pattern1, s))
matchObj = re.match(pattern2, s)
# 返回match匹配的字符串内容;
print(matchObj.group())


# **********************search**********************
#  search会扫描整个字符串， 只返回第一个匹配成功的内容;
#       - 如果能找到， 返回一个对象， 通过group方法获取对应的字符串;
match1Obj = re.search(pattern1, s)
print(match1Obj.group())
match2Obj = re.search(pattern2, s)
print(match2Obj.group())

正则表达式特殊字符类

字符类:
    [pP]ython :p或P
    westos[pP]
    [aeiou]
    [a-z]
    [A-Z]
    [a-zA-Z0-9]
    [^aeiou] ：匹配aeiou以外字符
    [^0-9]：匹配0-9以外字符
特殊字符类:
    .: 匹配除了\n之外的任意字符； [.\n]
    \d:  digit--(数字)， 匹配一个数字字符， 等价于[0-9]
    \D: 匹配一个非数字字符， 等价于[^0-9]
    \s:  space(广义的空格: 空格, \t, \n, \r), 匹配单个任何的空白字符;
    \S:  匹配空白字符 以外任意字符;
    \w:  字母数字或者下划线, [a-zA-Z0-9_]
    \W: 除了字母数字或者下划线, [^a-zA-Z0-9_]

"""


import  re
# 字符类:
print(re.findall(r'[^0-9]', 'westos123westos'))
print(re.findall(r'[0-9]', 'westos123westos'))

# 特殊字符类 .
print(re.findall(r'.', 'westos\n'))


# 特殊字符类\d
print(re.findall(r'\d', '当前文章阅读量为8'))
# 等待学习匹配次数的规则
print(re.findall(r'\d', '当前文章阅读量为8000'))


# 特殊字符类\D
print(re.findall(r'\D', '当前文章阅读量为8'))
# 等待学习匹配次数的规则
print(re.findall(r'\D', '当前文章阅读量为8000'))



# 特殊字符类\s, \S
print(re.findall(r'\s', '\n当前\r文章阅\t读量为8'))
# 等待学习匹配次数的规则
print(re.findall(r'\S', '\n当前\r文章阅\t读量为8'))



# 特殊字符类\w, \W
print(re.findall(r'\w', '12当前westos文章阅_读量为8&'))
# 等待学习匹配次数的规则
print(re.findall(r'\W', '12当前westos文章阅_读量为8&'))

在这里插入图片描述

指定字符出现次数

匹配字符出现次数:

*: 代表前一个字符出现0次或者无限次；    d*,  .*
+: 代表前一个字符出现一次或者无限次;     d+
?: 代表前一个字符出现1次或者0次；   假设某些字符可省略， 也可以不省略的时候使用

第二种方式:

{m}: 前一个字符出现m次;
{m,}: 前一个字符至少出现m次;  * == {0,}; + ==={1,}
{m,n}: 前一个字符出现m次到n次; ? === {0,1}

import re

print(re.findall(r'd*', ''))
print(re.findall(r'd*', 'ddd'))
print(re.findall(r'd*', 'dwww'))
print(re.findall(r'.*', 'westos'))



print(re.findall(r'd+', ''))
print(re.findall(r'd+', 'ddd'))
print(re.findall(r'd+', 'dwww'))
print(re.findall(r'd+', 'westos'))


print(re.findall(r'188-?', '188 6543'))
print(re.findall(r'188-?', '188-6543'))
print(re.findall(r'188-?', '148-6543'))

在这里插入图片描述

匹配不同格式电话号码

pattern = r'\d{3}[\s-]?\d{4}[\s-]?\d{4}'
print(re.findall(pattern,'188 6754 7645'))
print(re.findall(pattern,'18867547645'))
print(re.findall(pattern,'188-6754-7645'))

在这里插入图片描述

匹配qq邮箱

练习: 匹配一个qq邮箱;(xdshcdshvfhdvg@qq.com)  --- 
如果想在正则里面匹配真实的. , \.xdshcdshvfhdvg
(可以由字母数字或者下划线组成， 但是不能以数字或者下划线开头； 位数是6-12之间)

import re

pattern = r'[A-z]\w{5,11}@qq\.com'

s = """

你好，各种格式的邮箱入下所示：

    kevintian126@126.com 

2. 1136667341@qq.com 

westos1131@qq.com 
westos1131@qq.com 

3. meiya@cn-meiya.com 


4. wq901200@hotmail.com 
westfen31@qq.com 
5. meiyahr@163.com

6. meiyuan@0757info.com 

7. chingpeplo@sina.com 

8. tony@erene.com.com

9. melodylu@buynow.com

具体释义入下：

1.163邮箱 




提供以@163.com为后缀的免费邮箱，3G空间，支持超大20兆附件，280兆网盘。精准过滤超过98％的垃圾邮件。 


2.新浪邮箱 




提供以@sina.com为后缀的免费邮箱，容量2G，最大附件15M，支持POP3。 



3.雅虎邮箱 




提供形如@yahoo.com.cn的免费电子邮箱，容量3.5G，最大附件20m，支持21种文字。 


4.搜狐邮箱 



提供以@sohu.com结尾的免费邮箱服务，提供4G超大空间，支持单个超大10M附件。强大的反垃圾邮件系统为您过滤近98%的垃圾邮件。 


5.QQ邮箱 

提供以@qq.com为后缀的免费邮箱，容量无限大，最大附件50M，支持POP3，提供安全模式，内置WebQQ、阅读空间等。 

"""
dataLi = re.findall(pattern, s)
with open('email.txt', 'w') as f:
    for email in dataLi:
        f.write(email + '\n')

在这里插入图片描述

匹配所有的IP地址

import re

pattern = r'[1-9]\d{0,2}\.[1-9]\d{0,2}\.[1-9]\d{0,2}\.[1-9]\d{0,2}'
print(re.findall(pattern, '172.25.0.2'))
print(re.findall(pattern, '172.25.1.2'))
print(re.findall(pattern, '172.25.1.278'))

#  | 代表或者的意思
pattern1 = r'^(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)\.(25[0-5]|2[0-4]\d|[0-1]\d{2}|[1-9]?\d)$'


Obj = re.match(pattern1, '172.25.1.178')
if Obj:
    print("查找到匹配的内容:", Obj.group())
else:
    print('No Found')

Obj = re.match(pattern1, '172.25.1.278')
if Obj:
    print("查找到匹配的内容:", Obj.group())
else:
    print('No Found')

在这里插入图片描述

用户名，QQ号，身份证号

#   匹配用户名:  必须是由字母数字或者下划线及-和中文组成， 必须是大于一个字符的;
#   [A-Za-z0-9_\-\u4e00-\u9fa5]+
#   [\w\-\u4e00-\u9fa5]+
#   [\w\-\u4e00-\u9fa5]{4,12}


# QQ号： 6-12位
# [1-9]([0-9]{5,11})
# [1-9](\d{5,11})



# 身份证号： 610 112 20001001  345x  (匹配新的身份证和老的身份证号)
# \d{17}[\d|x]|\d{15}

获取贴吧总页数

from itertools import chain
from urllib.request import urlopen
import re
def getPageContent(url):
    """
        获取网页源代码
    :param url: 指定url内容
    :return: 返回页面的内容(str格式)
    """
    with urlopen(url) as html:
        return  html.read().decode('utf-8')

def parser_page(content):
    """
    根据内容获取所有的贴吧总页数;
    :param content: 网页内容
    :return: 贴吧总页数
    """
    pattern = r'<span class="red">(\d+)</span>'
    data = re.findall(pattern, content)
    return  data[0]


def parser_all_page(pageCount):
    """
    根据贴吧页数， 构造不同的url地址;并找出所有的邮箱
    :param pageCount:
    :return:
    """
    emails = []
    for page in range(int(pageCount)):
        url = 'http://tieba.baidu.com/p/2314539885?pn=%d' %(page+1)
        print("正在爬取:%s" %(url))
        content = getPageContent(url)
        # pattern = r'\w[-\w.+]*@[A-Za-z0-9][-A-Za-z0-9]+\.+[A-Za-z]{2,14}'
        pattern = r'[a-zA-Z0-9][\w.+]*@[A-Za-z0-9][A-Za-z0-9]+\.+[A-Za-z]{2,14}'
        findEmail = re.findall(pattern, content)
        print(findEmail)
        emails.append(findEmail)
    return  emails
def main():
    url = 'http://tieba.baidu.com/p/2314539885'
    content = getPageContent(url)
    pageCount = parser_page(content)
    emails = parser_all_page(pageCount)
    print(emails)
    with open('tiebaEmail.txt', 'w') as f:
        for tieba in chain(*emails):
            f.write(tieba + '\n')
main()

在这里插入图片描述

正则中需要转义的字符

因为这些字符在正则中有特殊含义， 所有必须转义: \., \+, \?, \*

表示分组:
         | : 匹配| 左右任意一个表达式即可;
         (ab): 将括号中的字符作为一个分组
         \num: 引用分组第num个匹配到的字符串
         (?P): 分组起别名

import  re
# 当使用分组时， findall方法只能获取到分组里面的内容;
print(re.findall(r'(westos|hello)\d+', 'westos1hello2'))
pattern  = r'<span class="red">(\d+)</span>'
s = '<span class="red">31</span>'
print(re.findall(pattern, s))

#
pattern  = r'(<span class="red">(\d+)</span>)'
s = '<span class="red">31</span>'
print(re.findall(pattern, s))


print(re.findall(r'((westos|hello)\d+)', 'westos1hello2'))

# findall不能满足时， 考虑使用search 或者match
Obj = re.search(r'(westos|hello)(\d+)', 'westos1hello2')
if Obj:
    print(Obj.group())
    print(Obj.groups())
else:
    print('Not Found')
# 匹配IP
pattern = r'(([1-9]\d{0,2}\.){3}[1-9]\d{0,2})'
print(re.findall(pattern, '172.25.0.3'))
print(re.findall(pattern, '172.25.3.3')[0][0])

在这里插入图片描述


s1 = 'http://www.westos.org/linux/book/'
pattern = 'http://[\w\.]+/(?P<courseName>\w+)/(?P<courseType>\w+)/'
# print(re.findall(pattern, s1))

#
Obj = re.match(pattern, s1)
if Obj:
    print(Obj.group())
    print(Obj.groups())
    print(Obj.groupdict())
else:
    print('Not Found')


#     身份证号： 610 897 19900415 4534
s = '610897199004154534'
pattern = r'(?P<Province>\d{3})[\s-]?(?P<City>\d{3})[\s-]?(?P<Year>\d{4})[\s-]?' \
          r'(?P<Month>\d{2})(?P<Day>\d{2})(\d{4})'
Obj = re.search(pattern, s)
if Obj:
    print(Obj.groupdict())
else:
    print('Not Found')

在这里插入图片描述

爬取单个照片

from urllib.request import urlopen

url = 'http://imgsrc.baidu.com/forum/w%3D580/sign=e23a670db9b7d0a27bc90495fbee760d/38292df5e0fe9925f33f62ef3fa85edf8db17159.jpg'


# 1. 获取图片的内容
content = urlopen(url).read()


#  2. 写入本地文件
with open('hello.jpg', 'wb') as f:
    f.write(content)

在这里插入图片描述

爬取指定贴吧图片

import re
from urllib.request import urlopen


def get_content(url):
    """
        获取网页内容
    :param url:
    :return:
    """
    with urlopen(url) as html:
        return  html.read()

def parser_get_img_url(content):
    """
    解析贴吧内容， 获取所有风景图片的url
    :param content:
    :return:
    """
    pattern = r'<img class="BDE_Image".*?src="(http://.*?\.jpg)".*?>'
    imgUrl = re.findall(pattern, content.decode('utf-8').replace('\n', ' '))
    return  imgUrl

def main():
    url = 'http://tieba.baidu.com/p/5437043553'
    content = get_content(url)
    imgLi = parser_get_img_url(content)
    for index,imgurl in enumerate(imgLi):
        # 根据图片的url获取每个图片的内容;
        content = get_content(imgurl)
        with open('img/%s.jpg' %(index+1), 'wb') as f:
            f.write(content)
            print("第%s个图片下载成功...." %(index+1))
main()

在这里插入图片描述
在这里插入图片描述

批量替换和批量分隔符分离

# split()方法: 指定多个分隔符进行分割;
import re
ip = '172.25.254.250'
print(ip.split('.'))
s = '12+13-15/16'
print(re.split(r'[\+\-\*/]', s))


#
s = 'westos is a company'
print(s.replace('westos', 'fentiao'))

# 希望替换的时数字， 但数字的值不固定， 则通过正则来实现;
s = "本次转发数为100"
print(re.sub(r'\d+', '0', s))


# 自动会给addNum传递一个参数， 参数时匹配到的SRE对象
def addNum(sreObj):
    """在原有基础上加1"""
    # 年末任情况字符串中匹配到的内容还是字符串
    num = sreObj.group()  # ‘100’ ‘99’
    new_num = int(num) + 1
    return  str(new_num)

s1 = "本次转发数为100, 分享数量为99"
print(re.sub(r'\d+', addNum, s1))

在这里插入图片描述

伪装浏览器

from urllib.request import urlopen
from urllib import  request

url = "http://www.cbrc.gov.cn/chinese/jrjg/index.html"
# 如何伪装成浏览器访问?
# 1. 定义一个真实浏览器的代理名称
user_agent = "Mozilla/5.0 (X11; Linux x86_64; rv:45.0) Gecko/20100101 Firefox/45.0"
# 2. 写到请求页面的header里面去
req = request.Request(url,headers={'User-Agent': user_agent} )
#  3. 打开网页， 获取内容
print(urlopen(req).read().decode('utf-8'))
zcx1203
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
IP 正则表达式验证
12-12
您可能感兴趣的文章:javascript 手机号码正则表达式验证函数JS正则表达式验证数字代码JavaScript正则表达式验证身份证号码是否合法(两种方法)jquery正则表达式验证（手机号、身份证号、中文名称）邮箱地址正则...
正则表达式(全)
热门推荐
a_b_e_l_的博客
08-09 24万+
通过上面几个简单的示例，可以了解到常见的基础正则表达式的元字符主要包括以下几个^ 匹配输入字符串的开始位置。除非在方括号表达式中使用，表示不包含该字符集合。要匹配”^”字符本身，请使用"\^"$ 匹配输入字符串的结尾位置。如果设置了RegExp对象的 Multiline属性，则"$”也匹配'\n'或'\r’,。要匹配”$"字符本身，请使用”\$". 匹配除"\r\n"之外的任何单个字符\ 反斜杠，又叫转义字符，去除其后紧跟的元字符或通配符的特殊意义* 匹配前面的子表达式零次或多次。...
最全常用正则表达式大全
ligl的博客
07-12 9万+
一、校验数字的表达式 1. 数字：^[0-9]*$ 2. n位的数字：^\d{n}$ 3. 至少n位的数字：^\d{n,}$ 4. m-n位的数字：^\d{m,n}$ 5. 零和非零开头的数字：^(0|[1-9][0-9]*)$ 6. 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$ 7. 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$ 8. 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$ 9. 有两
正则表达式：只能输入数字且只有一个负号和一个小数点
qq_45020145的博客
02-19 456
只能输入数字且只有一个负号和一个小数点。其中负号只能在数字前，小数点只能在数字后。
正则表达式详解
m0_56312312的博客
05-24 3万+
一、正则表达式概述 正则表达式是一组由字母和符号组成的特殊文本，它可以用来从文本中找出满足你想要的格式的句子。通俗的讲就是按照某种规则去匹配符合条件的字符串 一个正则表达式是一种从左到右匹配主体字符串的模式。 “Regular expression”这个词比较拗口，我们常使用缩写的术语“regex”或“regexp”。 正则表达式可以从一个基础字符串中根据一定的匹配模式替换文本中的字符串、...
Java中正则表达式
橄榄
10-13 830
一、概念 正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。在众多语言中都可以支持正则表达式，如Perl、PHP、Java、Python、Ruby等。当然在Java中也可以通过处理字符串的方式达到检索，替换文本字符串的目的，...
最全的正则表达式教程
半夏_2021的博客
06-17 3万+
最全的正则表达式教程
JavaScript正则表达式
01-08
1、正则表达式是描述字符模式的对象，正则表达式用于对字符串模式匹配及检索替换，是对字符串执行模式匹配的强大工具。 2、String和RegExp都定义了使用正则表达式进行强大的模式匹配和文本检索与替换的函数。 3、...
正则表达式汇总-Labview
03-25
正则表达式汇总
匹配中文汉字的正则表达式介绍
12-13
匹配中文字符的正则表达式： [\u4e00-\u9fa5] 或许你也需要匹配双字节字符，中文也是双字节的字符 代码如下: 匹配双字节字符(包括汉字在内)：[^\x00-\xff] 注：可以用来计算字符串的长度（一个双字节字符长度计2，...
正则表达式大全.docx
10-13
该文件总结了一部分正则表达式，在学习判断用户名和密码的过程中会有所帮助，仅供参考，如果有总结不对的地方，请联系作者修改
正则匹配大全
m0_45272038的博客
08-13 1万+
在做项目的过程中，使用正则表达式来匹配一段文本中的特定种类字符，是比较常用的一种方式，下面是对常用的正则匹配做了一个归纳整理。 1、匹配中文:[\u4e00-\u9fa5] 2、英文字母:[a-zA-Z] 3、数字:[0-9] 4、匹配中文，英文字母和数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$ 同时判断输入长度： [\u4e00-\u9fa5_a-zA-Z0-9_]{4,10} 5、 (?!_)　　不能以_开头 (?!.*?_$)　　不能以_结尾 [a-zA-Z0-9
常用的正则表达式，还不赶快收藏备用？！
IT学习小镇
03-01 1万+
点击上方蓝字关注我们一、校验数字的表达式1、数字：^[0-9]*$2、n位的数字：^\d{n}$3、至少n位的数字：^\d{n,}$4、m-n位的数字：^\d{m,n}$5、零和非零开头的...
最全正则表达式大全
weixin_44501030的博客
03-01 5455
## 1.校验数字的正则表达式 1 '数字：' ^[0-9]*$ 2 'n位的数字：' ^\d{n}$ 3 '至少n位的数字：' ^\d{n,}$ 4 'm-n位的数字：' ^\d{m,n}$ 5 '零和非零开头的数字：' ^(0|[1-9][0-9]*)$ 6 '非零开头的最多带两位小数的数字：' ^([1-9][0-9]*)+(.[0-9]{1,2})?$ 7 '带1-2位小数的正数或负数：' ^(\-)?\d+(\.\d{1,2})?$
js的高级笔记4:正则表达式、字符类、预定义类、正则替换replace
小黄呀呀呀的博客
10-10 305
1.正则表达式概述 1.1什么是正则表达式 正则表达式（ Regular Expression ）是用于匹配字符串中字符组合的模式。在JavaScript中，正则表达式也是对象。 正则表通常被用来检索、替换那些符合某个模式（规则）的文本，例如验证表单：用户名表单只能输入英文字母、数字或者下划线， 昵称输入框中可以输入中文(匹配)。此外，正则表达式还常用于过滤掉页面内容中的一些敏感词(替换)，或从字符串中获取我们想要的特定部分(提取)等 。 其他语言也会使用正则表达式，本阶段我们主要是利用JavaScript
正则表达式正则表达式
最新发布
04-17
正则表达式（Regular Expression）是一种用于匹配、查找和替换文本的强大工具。它是由一系列字符和特殊字符组成的模式，可以用来描述字符串的特征。正则表达式在各种编程语言和文本编辑器中广泛应用。 以下是正则...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值