正则表达式

正则表达式基础

1、为什么使用正则

我这里拿一个例子阐明，我们一般做数据处置惩罚的时候，会遇到电话号码的环境。
我们一般的处置惩罚方法如下：

1. def isPhone(phone):
2.     # 长度为11
3.     # 全部都是数字字符
4.     # 以1开头
5.     pass
7. if isPhone("13812345678"):
8.     print("是手机号")
9. else:
10.     print("不是手机号")

复制代码

使用正则表达式解决的话

1. import re
3. def isPhone(phone):
4.     # 正则表达式解释：
5.     # ^        匹配字符串的开始
6.     # 1        手机号码以1开头
7.     # [2-9]    第二位是2到9之间的数字
8.     # \d{9}    后面跟着9个数字（\d 表示数字，{9} 表示重复9次）
9.     # $        匹配字符串的结束
10.     pattern = r'^1[2-9]\d{9}$'
11.     if re.fullmatch(pattern, phone):
12.         return True
13.     else:
14.         return False
16. # 测试函数
17. if isPhone("13812345678"):
18.     print("是手机号")
19. else:
20.     print("不是手机号")

复制代码

这里可以看出正则表达式是一种用于匹配字符串中字符组合的模式，它在文本处置惩罚和字符串分析中非常有用。
2、正则与re模块简介

则表达式是一种强大的文本处置惩罚工具，用于搜索、更换、检查或解析特定模式的字符串。正则表达式使用单个字符串来描述、匹配和处置惩罚一系列符合某个句法规则的字符串。
Python 的 re 模块提供了对正则表达式的全面支持，包括编译正则表达式、实行匹配检查、搜索和更换文本等功能。
如下四个方法经常使用

• match()
  
• search()
  
• findall()
  
• finditer()
  

正则表达式

我现在列出一个表格，各人可以看一下常用的匹配模式
1、匹配单个字符

1. # []  # 原子表
2. [a]
3. [ab]  # 匹配a或者b
4. [abc]  # 匹配a或者b后者c
5. [123]  # 匹配1或者2或者3
6. [0-9]  # 匹配任意一位数字
7. [a-z]  # 匹配任意以为小写字母
8. [A-Z]  # 匹配任意一位大写字母
9. [a-zA-Z]  # 匹配任意大小写字母
11. # [][]
12. [abc][0-9]  # 它代表什么意思？  匹配a或者b后者c和任意一位数字  a1
14. # 匹配手机号码
15. 1[3-9][0-9]{9}   # {9} 代表前面的[0-9]9位
17. # ^ 限制开头  $ 限制结尾  一般用于组合
18. ^1[3-9][0-9]{9}$  # 完全匹配  匹配的字符串中 必须完全符合才算匹配成功
19. 15611833906  # 符合
20. 156118339067  # 不符合
22. # {} 代表前面正则匹配的n词
23. [a-z]{2}  # 匹配俩位小写字母
24. [a-z][a-z]  # 等同于上方
26. # {m,n}  m-n之间的
27. [a-z]{2,5}  # 匹配2-5个小写字母
29. # {m,}  # 至少m个
30. [a-z]{2,}  # 至少匹配2个小写字母
32. # ? 可有可无
33. -?[1-9]   # 匹配正负1-9
35. # .  匹配换行符以外的任意字符
36. a  x  z
38. # * 代表前面的0次到多次  {0,}
41. # .* 组合 了解  贪婪模式  匹配换行符以外的任意字符任意次
43. # .*? 组合 重要！！！！！！   非贪婪模式 匹配换行符以外的任意字符任意次
45. # +  匹配一次到多次  {1,}
47. # .+?  非贪婪模式 匹配换行符以外的任意字符至少1次
49. # |  代表或
50. [a-z]|[0-9] # 匹配字母或数字
52. # ()  # 1.作为一个单元   2.作为子存储

复制代码

2、匹配锚字符

• ^ 行首锚：
  匹配字符串的开始位置。
  

1. import re
2. pattern = re.compile('^hello')
3. print(re.search(pattern, "hello world").group())

复制代码

• $ 行尾锚：
  匹配字符串的竣事位置。
  

1. pattern = re.compile('world$')
2. print(re.search(pattern, "Hello world").group())

复制代码

• \A 字符串开始锚：
  匹配字符串的绝对开始位置，与 ^ 类似，但不受多行匹配的影响。
  

1. text = "Hello\nWorld"
2. pattern = re.compile(r'\AHello')
3. # 这里会匹配，因为 'Hello' 在字符串的绝对开始位置
4. result = pattern.search(text)

复制代码

3、限定符

1. import re
3. # (xyz) 匹配括号内的xyz，作为一个整体去匹配
4. pattern_group = re.compile(r'(xyz)')
5. result_group = pattern_group.search("The string contains xyz.")
6. if result_group:
7.     print("Group matched:", result_group.group())  # 输出: Group matched: xyz
9. # x? 匹配0个或者1个x，非贪婪匹配
10. pattern_optional = re.compile(r'x?')
11. result_optional = pattern_optional.search("hello")
12. if result_optional:
13.     print("Optional matched:", result_optional.group())  # 输出: Optional matched:
15. # x* 匹配0个或任意多个x
16. pattern = re.compile('h*')
17. print(re.search(pattern,"hello world")):
19. # x+ 匹配至少一个x
20. pattern_plus = re.compile(r'x+')
21. result_plus = pattern_plus.search("hello")
22. if result_plus:
23.     print("Plus matched:", result_plus.group())  # 输出: Plus matched: lo
25. # x{n} 确定匹配n个x，n是非负数
26. pattern_fixed = re.compile(r'x{3}')
27. result_fixed = pattern_fixed.search("xxxx")
28. if result_fixed:
29.     print("Fixed matched:", result_fixed.group())  # 输出: Fixed matched: xxx
31. # x{n,} 至少匹配n个x
32. pattern_at_least = re.compile(r'x{2,}')
33. result_at_least = pattern_at_least.search("xxxx")
34. if result_at_least:
35.     print("At least matched:", result_at_least.group())  # 输出: At least matched: xxxx
37. # x{n,m} 匹配至少n个最多m个x
38. pattern_range = re.compile(r'x{1,3}')
39. result_range = pattern_range.search("xxxx")
40. if result_range:
41.     print("Range matched:", result_range.group())  # 输出: Range matched: xxx
43. # x|y \|表示或的意思，匹配x或y
44. pattern_alternative = re.compile(r'x|y')
45. result_alternative = pattern_alternative.search("x")
46. if result_alternative:
47.     print("Alternative matched:", result_alternative.group())  # 输出: Alternative matched: x

复制代码

re模块中常用函数

1、match()函数

• 功能
  获取成功返回 匹配的对象
  
• 参数
  

参数阐明pattern匹配的正则表达式(一种字符串的模式)string要匹配的字符串flags标识位，用于控制正则表达式的匹配方式

1. import re
3. res = re.match('\d{2}','123')
4. print(res.group())
5. print(res.span())
7. #给当前匹配到的结果起别名
8. s = '3G4HFD567'
9. re.match("(?P<value>\d+)",s)
10. print(x.group(0))
11. print(x.group('value'))

复制代码

2、searce()函数

• 功能
  扫描整个字符串string，并返回第一个pattern模式成功的匹配
  

匹配失败 返回 None

• 参数
  | 参数 | 阐明 |
  | ------- | ------------------------------------ |
  | pattern | 匹配的正则表达式(一种字符串的模式) |
  | string | 要匹配的字符串 |
  | flags | 标识位，用于控制正则表达式的匹配方式 |
  

1. import re
3. res = re.search('[a-z]', '131A3ab889s')
4. print(res)
5. print(res.group()

复制代码

3、findall()函数（返回列表）

参数阐明pattern匹配的正则表达式(一种字符串的模式)string要匹配的字符串flags标识位，用于控制正则表达式的匹配方式

2. myStr = """
3. <a href="http://www.baidu.com">百度</a>
4. <A href="http://www.taobao.com">淘宝</A>
5. <a href="http://www.id97.com">电
6. 影网站</a>
7. <i>我是倾斜1</i>
8. <i>我是倾斜2</i>
9. <em>我是倾斜2</em>
10. """
11. # html里是不区分大小写
12. # （1）给正则里面匹配的 加上圆括号 会将括号里面的内容进行 单独的返回
13. res = re.findall("(<a href="http://www\.(.*?)\.com">(.*?)</a>)",myStr) #[('<a href="http://www.baidu.com">百度</a>', 'baidu', '百度')]
15. # 括号的区别
16. res = re.findall("<a href="http://www\..*?\.com">.*?</a>",myStr) #['<a href="http://www.baidu.com">百度</a>']
18. #(2) 不区分大小写的匹配
19. res = re.findall("<a href="http://www\..*?\.com">.*?</a>",myStr,re.I) #['<a href="http://www.baidu.com">百度</a>', '<A href="http://www.taobao.com">淘宝</A>']
20. res = re.findall("<[aA] href="http://www\..*?\.com">.*?</[aA]>",myStr) #['<a href="http://www.baidu.com">百度</a>']

复制代码

4、finditer()函数

功能
与findall()类似，返回一个迭代器
参数
参数阐明pattern匹配的正则表达式(一种字符串的模式)string要匹配的字符串flags标识位，用于控制正则表达式的匹配方式

1. import re
3. res = re.finditer('\w', '12hsakda1')
4. print(res)
5. print(next(res))
7. for i in res:
8.     print(i)

复制代码

5、split()函数

• 作用：切割字符串
  
• 参数
  pattern 正则表达式
  

string 要拆分的字符串
maxsplit 最大拆分次数 默认拆分全部
flags 修正符

1. import re
2. myStr = "asdas\rd&a\ts12d\n*a3sd@a_1sd"
3. #通过特殊字符 对其进行拆分 成列表
4. res = re.split("[^a-z]",myStr)
5. res = re.split("\W",myStr)

复制代码

6、修正符

• 属性
  

re.I 不区分巨细写匹配

1. print(re.findall('[a-z]','AaBb'))
2. print(re.findall('[a-z]','AaBb', flags=re.I))

复制代码

re.M 多行匹配 影响到^ 和 $ 的功能

1. myStr = """asadasdd1\nbsadasdd2\ncsadasdd3"""
2. print(re.findall('^[a-z]',myStr, ))
3. print(re.findall('\A[a-z]',myStr))
4. print(re.findall('\d$',myStr))
5. print(re.findall('\d\Z',myStr))
6. # re.M
7. print(re.findall('^[a-z]',myStr, flags=re.M))
8. print(re.findall('\A[a-z]',myStr, flags=re.M))
9. print(re.findall('\d$',myStr, flags=re.M))
10. print(re.findall('\d\Z',myStr, flags=re.M))

复制代码

re.S 使.可以匹配换行符 匹配恣意字符

1. print(re.findall('<b>.*?</b>','<b>b标签</b>'))
2. print(re.findall('<b>.*?</b>','<b>b标\n签</b>', flags=re.S))

复制代码

综合案例

1、匹配年.txt

初始文件

1. 124528        男        14年        2012年5月以前        路人(0)        2017/02/21
2. 2
3. 顺便签约客服
4. 940064306        男        9年        2016/07/12        宗师(1285)        2017/06/26
5. 3
6. 世间尽是妖魔鬼怪"(oДo*)
7. 90年代的新一辈_
8. 1193887909        男        7年        2016/10/17        宗师(1084)        2017/06/26
9. 4
10. 萧十三楼
11. 905519160        男        9年        2016/07/08        宗师(972)        2017/06/24
12. 5
13. 石头哥
14. 北京-php-石头
15. 2669288101        男        2年        2016/06/17        宗师(772)        2017/06/23
16. 6
17.        缄默。+
18.       
19. 1393144035        未知        7年        2016/10/08        宗师(754)        2017/06/25
20. 7

复制代码

匹配具体的年

1. res = re.findall("\t(\d{1,2}年)",myStr)

复制代码

匹配具体的年代日

1. res = re.findall("[0-9]{4}/[0-9]{2}/[0-9]{2}",myStr)

复制代码

2、匹配邮箱手机号.txt

2.         caoxigang@baidu.com
3. 曹　艳        Caoyan        6895        13811661805        caoyan@baidu.com
4. 曹　宇        Yu Cao        8366        13911404565        caoyu@baidu.com
5. 曹　越        Shirley Cao        6519        13683604090        caoyue@baidu.com
6. 曹　政        Cao Zheng        8290        13718160690        caozheng@baidu.com
7. 查玲莉        Zha Lingli        6259        13552551952        zhalingli@baidu.com
8. 查　杉        Zha Shan        8580        13811691291        zhashan@baidu.com
9. 查　宇        Rachel        8825        13341012971        zhayu@baidu.com
10. 柴桥子        John        6262        13141498105        chaiqiaozi@baidu.com
11. 常丽莉        lily        6190        13661003657        changlili@baidu.com
12. 车承轩        Che Chengxuan        6358        13810729040        chechengxuan@baidu.com
13. 陈　洁        Che        13811696984        chenxi_cs@baidu.com
14. 陈　超        allen        8391        13810707562        chenchao@baidu.com
15. 陈朝辉                13714189826        chenchaohui@baidu.com
16. 陈　辰        Chen Chen        6729        13126735289        chenchen_qa@baidu.com
17. 陈　枫        windy        8361        13601365213        chenfeng@baidu.com
18. 陈海腾        Chen Haiteng        8684        13911884480        chenhaiteng@baidu.com
19. 陈　红        Hebe        8614        13581610652        chenhong@baidu.com
20. 陈后猛        Chen Houmeng        8238        13811753474        chenhoumeng@baidu.com
21. 陈健军        Chen Jianjun        8692        13910828583        chenjianjun@baidu.com
22. 陈　景        Chen Jing        6227        13366069932        chenjing@baidu.com
23. 陈竞凯        Chen Jingkai        6511        13911087971        jchen@baidu.com
24. 陈　坤        Isa13810136756        chenlei@baidu.com
25. 陈　林        Lin Chen        6828        13520364278        chenlin@qq.com
28. http://bbs.tianya.cn/m/post-140-393974-6.shtml
29. http://quote.eastmoney.com/stocklist.html
30. http://quote.stockstar.com/stock/sha.shtml
31. http://quote.stockstar.com/fund/stock.shtml
32. 下载链接地址
33. http://quotes.money.163.com/service/chddata.html?code=sh202003&end=20130523&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP

复制代码

#匹配 手机号

1. res = re.findall("[1][3-8]\d{9}",myStr)

复制代码

匹配 邮箱

1. res = re.findall("\w+@.+\.\w+",myStr)

复制代码

匹配豆瓣内容

标题

1. import re
2. """
3. 需求
4. 1. 豆瓣图书标题
5. 2. 抓取图片的标签
6. """
8. # 读取数据
9. f = open('豆瓣.html','r')
10. data = f.read()
11. f.close()
12. """
13. <a href="https://book.douban.com/subject/27104959/">离开的，留下的</a>
14. <a href="https://book.douban.com/subject/26961102/">灵契</a>
15. <a href="https://book.douban.com/subject/27054039/">寓言</a>
16. <a href="https://book.douban.com/subject/27139971/">高难度对话：如何与挑剔的人愉快相处</a>
17. """
18. # 正则匹配所有标题
19. pattern = re.compile('<a href="https://book.douban.com/subject/\d+/">(.*?)</a>')
20. titleList = pattern.findall(data)
21. print(titleList)

复制代码

图片

1. import re
2. path = r"C:\Users\xlg\Desktop\豆瓣.html"
3. file = open(path,"rb")
4. data = file.read().decode("utf-8")
5. file.close()
7. # print(data)
8. # <img src="https://img3.doubanio.com/mpic/s29590893.jpg"/>
9. # <img src="https://img3.doubanio.com/mpic/s29578984.jpg"/>
10. # pattern = re.compile("<img src="https://img3.doubanio.com/mpic/s\d{8}\.jpg"/>")
11. pattern = re.compile("<img src="https://img[0-9]\.doubanio.com/mpic/\w+\.jpg"/>")
12. imgList = pattern.findall(data)
14. # <img src="https://img1.doubanio.com/mpic/s29533317.jpg"/>
15. path = r"C:\Users\xlg\Desktop\img.html"
16. file = open(path,"w")
17. file.writelines(imgList)
18. file.close()

复制代码

匹配简介

1. import re
2. """
3. <p class="color-gray">
4.                         [意] 普里莫·莱维 / [意] 莱昂纳多·德·贝内代蒂 / 中信出版社 / 2017-10
5. </p>
6. <p>
7.                         奥斯维辛集中营幸存者的证词合集，由身为化学家的意大利著名作家普里莫·莱维及其奥斯维辛狱友、外科医生德·贝内代蒂共同整理撰写。
8.                     </p>
9. """
10. f = open('../素材/豆瓣.html','r')
11. data = f.read()
12. f.close()
14. pattern = re.compile('<p class="color-gray">(.*?)</p>',re.DOTALL)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。