python基础知识（七）常用模块----（一）

（七）常用模块----（一）

目录

（七）常用模块----（一）

7.1正则表达式

7.2re模块

---

 

7.1正则表达式

正则表达式：正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑

在线正则表达式测试：http://tool.chinaz.com/regex/

a.普通字符

正则表达式	输入	输出	分析
[0-9]	1	ture	范围是0-9
[0-9]	a	false	没有a
[a-z]	a	true	小写字母
[A-Z]	A	false	大写字母
[0-9a-z]	a	true	范围括号内条件

b.特定字符

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

c.限定符（量词）

*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

通过在 *,+或?限定符之后放置 ?，表达式从"贪心"表达式转换为"非贪心"表达式或者最小匹配

小+?	小一小二小三	小 小 小	非贪心
小.+	小一小二小三	小一 小二 小三	贪心
小.{1,2}	小一小二小三	小一小 小三	贪心
<.*>	<script>...<script>	<script>...<script>	贪心
<.*?>	<script>...<script>	<script> <script>	非贪心
.*?x	axabx	ax abx	就是取前面任意长度的字符，直到一个x出现

分组 ()与 或 ｜［^］:

正则	输入	输出
[a-d][1-4]	a1b2	a1 b2
([a-d][1-4])*	a1b2	a1b2

身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部都是数字组成，首位不能为0；

                     如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配 结果	说明
^[1-9]\d{13,16}[0-9x]$	110101198001017032	110101198001017032	首部是1-9，中间是{13,16}数字，结尾是[0-9x]
^[1-9]\d{13,16}[0-9x]$	12345678912345x	12345678912345x	可以匹配这串数字，但这是一个错误的身份证号，不满足15位全部都是数字，因为中间可以取{13,16}个数字
^[1-9]\d{14}(\d{2}[0-9x])?$	12345678912345x	False	现在不会匹配错误的身份证号了 ()表示分组，将\d{2}[0-9x]分成一组，后面再加上?,就可以整体约束他们出现的次数为0-1次
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$	110105199812067023	110105199812067023	注意里面加的事|,表示先匹配[1-9]\d{16}[0-9x]如果没有匹配上就匹配[1-9]\d{14}

转义符 \：

在python中，如果匹配一次"\n，只需要写成r'\n'即可。

字符集［］［^］：

正则	待匹配字符	匹配 结果	说明
李[一小二大大三]*	李一和李小二和李大大三	李一 李小二 李大大三	匹配范围是[一小二大大三]的字符任意次
李[^和]*	李一和李小二和李大大三	李一 李小二 李大大三	匹配除了"和"以外的字符任意次
[\d]	456bdha3	4 5 6 3	表示匹配任意一个数字，匹配到4个结果
[\d]+	456bdha3	456 3	表示匹配任意个数字，匹配到2个结果

7.2re模块

findall()

import re

ret = re.findall('a', 'ab abc dsc')  # 返回所有满足匹配条件的结果,放在列表里
print(ret) #结果 : ['a', 'a']

search()：扫描整个字符串

ret = re.search('a', 'aca abc').group()
print(ret) #结果 : 'a'
// 函数会在字符串内查找模式匹配,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。

  
content = 'Hello 123456789 Word_This is just a test 666 Test'
result = re.search('(\d+).*?(\d+).*', content)  
 
print(result)
print(result.group())    // print(result.group(0)) 同样效果字符串
print(result.groups())
print(result.group(1))
print(result.group(2))
'''
<_sre.SRE_Match object; span=(6, 49), match='123456789 Word_This is just a test 666 Test'>
123456789 Word_This is just a test 666 Test
('123456789', '666')
123456789
666
'''

match()：从首部开始匹配，有就结束

ret = re.match('a', 'abc')
print(ret)
//<re.Match object; span=(0, 1), match='a'>
//span:匹配开始到结束的范围

ret = re.match('a', 'abc').group()  
print(ret)
//结果 : 'a'

group(0):有匹配，返回整体

split()

//str.split
s = 'abcd'
ret = s.split('a')
print(ret) 

// ['','bcd']

 
//ret.split
ret = re.split('[ab]', 'abcd')  // 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
print(ret) 

// ['', '', 'cd']

sub(),subn()：替换

replace的使用范围局限性更小

ret = re.sub('\d', 'H', 'qwr23yui2tyu', 1)  //将数字替换成'H'，参数1表示只替换1个
print(ret) //qwrH3yui2tyu

ret = re.subn('\d', 'H', 'qwr23yui2tyu') //将数字替换成'H'，返回元组(替换的结果,替换了多少次)
print(ret) //('qwrHHyuiHtyu', 3)

compilel() 需要多次使用同一正则表达式

obj = re.compile('\d{3}')  //匹配三个数字
ret = obj.search('abc123eeee') //正则表达式对象调用search，参数为待匹配的字符串
print(ret.group())  //结果 ： 123

findter()

import re
ret = re.finditer('\d', 'ds3sy4784a')   //finditer返回一个存放匹配结果的迭代器
print(ret)  // <callable_iterator object at 0x10195f940>
print(next(ret).group())  // 查看第一个结果
print(next(ret).group())  // 查看第二个结果
print([i.group() for i in ret])  // 查看剩余的左右结果

优先级问题：findall(),split()

import re

ret = re.findall('www.(baidu|qq).com', 'www.baidu.com')
print(ret)  // ['baidu']     //findall会优先把匹配结果组里内容返回

ret = re.findall('www.(?:baidu|qq).com', 'www.baidu.com')
print(ret)  // ['www.baidu.com'] //取消优先级直需要加上?:

ret=re.split("\d+","aa1bb2cc")
print(ret) //结果 ： ['aa', 'bb', 'cc'] 

ret=re.split("(\d+)","aa1bb2cc")
print(ret) //结果 ： ['aa', '1', 'bb', '2', 'cc']

//没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，

 

练习题：1、匹配标签

               2、匹配整数

               3、数字匹配

               4、爬虫练习