首页 / 正则 / python D23 re模块 正则
python D23 re模块 正则
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python D23 re模块 正则，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6947字，纯文字阅读大概需要10分钟。
内容图文
# 今日内容
# 1. 正则表达式
# 元字符
# . 除了换行符外任意字符。
# \w 数字。 字母 下划线
# \s 空白符
# \b 单词的末尾
# \d 数字
# \W 除了数字。 字母 下划线
# \D 数字数字
# \S 除了空白符
# ^ 开头
# $ 结尾
# [] 字符组
# [^] 除了字符组内的元素外
#
# 量词 限定符
# * {0，n}
# + {1，n}
# ? {0，1}
# {p} p次
# {p,} p次或更多次
# {p,q} 从p到q次
#
# .*
# .+
#
# .*?
#
# 分组 ()
# \n 换行
# \\n \n
# \.
# \/
# \?
#
# 2. re模块
# findall() 获取到匹配的所有内容
# finditer() 匹配到所有内容。 返回迭代器
# search() 搜索。查到了就返回
# match() 匹配. 从头开始匹配
#
# r"(?P<name>正则)"
# ?. 正则表达式
# ?先, 我们在??上进?注册或者登陆的时候经常能看到?些格式上的错误提?. 比如:
# 你在注册百度账号的时候https://passport.baidu.com/v2/?reg®Type=1&tpl=wk 输入?户
# 名随意的输入系统会提?你. 你的账号过?或者不允许使?中?等等操作. 那这种操作如果使
# ?我们现有的知识点是可以完成的. 但是完成的效果并不好. 写起来也不容易. 尤其是对邮箱
# 的匹配. 电话号码的匹配. 那正则表达式就是专?来处理类似问题的?种表达式. 英?全
# 称: Regular Expression. 简称 regex或者re. 但你要知道我们在使?python的re模块之前. 我
# 们?先要对正则有?定的了解和认识. 就像我们使?time模块之前. 我们已经对时间有了?定
# 的认识.
# 正则表达式是对字符串操作的?种逻辑公式. 我们?般使?正则表达式对字符串进?匹
# 配和过滤. 使?正则的优缺点:
# 优点: 灵活, 功能性强, 逻辑性强.
# 缺点: 上?难. ?旦上?, 会爱上这个东?
# ?具: 各??本编辑器?般都有正则匹配功能. 我们也可以去
# http://tool.chinaz.com/regex/进?在线测试
# 正则表达式由普通字符和元字符组成. 普通字符包含??写字?, 数字. 在匹配普通字符
# 的时候我们直接写就可以了. 比如"abc" 匹配的就是"abc". 我们如果?python也可以实现相
# 同的效果. 所以普通字符没什么好说的. 重点在元字符上.
# 元字符: 元字符才是正则表达式的灵魂. 元字符中的内容太多了, 在这?我们只介绍?些常?的.
# 1. 字符组
# 字符组很简单?[]括起来. 在[]中出现的内容会被匹配. 例如:[abc] 匹配a或b或c
# 如果字符组中的内容过多还可以使?- , 例如: [a-z] 匹配a到z之间的所有字? [0-9]
# 匹配所有阿拉伯数字
# 思考: [a-zA-Z0-9]匹配的是什么?
# 2. 简单元字符
# 基本的元字符. 这个东??上?搜??堆. 但是常?的就那么?个:
# . 匹配除换?符以外的任意字符
# \w 匹配字?或数字或下划线
# \s 匹配任意的空?符
# \d 匹配数字
# \n 匹配?个换?符
# \t 匹配?个制表符
# \b 匹配?个单词的结尾
# ^ 匹配字符串的开始
# $ 匹配字符串的结尾
# \W 匹配?字?或数字或下划线
# \D 匹配?数字
# \S 匹配?空?符
# a|b 匹配字符a或字符b
# () 匹配括号内的表达式，也表示?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
#
# 3. 量词
# 我们到?前匹配的所有内容都是单??字符号. 那如何?次性匹配很多个字符呢,
# 我们要?到量词
# * 重复零次或更多次
# + 重复?次或更多次
# ? 重复零次或?次
# {n} 重复n次
# {n,} 重复n次或更多次
# {n,m} 重复n到m次
#
# 4. 惰性匹配和贪婪匹配
# 在量词中的*, +,{} 都属于贪婪匹配. 就是尽可能多的匹配到结果.
#
# str: 麻花藤昨天让英雄联盟关服了
# reg: 麻花藤.*
# 此时匹配的是整句话
#
# 在使?.*后?如果加了? 则是尽可能的少匹配. 表?惰性匹配
# str: 麻花藤昨天让英雄联盟关服了
# reg: 麻花藤.*?
# 此时匹配的是 麻花藤
# str: <div>胡辣汤</div>
# reg: <.*>
# 结果: <div>胡辣汤</div>
#
# .*?x的特殊含义 找到下?个x为?.
# str: abcdefgxhijklmn
# reg: .*?x
# 结果:abcdefg
# 5. 分组
# 在正则中使?()进?分组. 比如. 我们要匹配?个相对复杂的?份证号. ?份证号分
# 成两种. 老的?份证号有15位. 新的?份证号有18位. 并且新的?份证号结尾有可能是x.
# 给出以下正则:
# ^[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})$
# 6. 转义
# 在正则表达式中, 有很多有特殊意义的是元字符, ?如\n和\s等,如果要在正则中匹
# 配正常的"\n"?不是"换?符"就需要对"\"进?转义, 变成'\\'.在python中, ?论是正则表达式, 还
# 是待匹配的内容, 都是以字符串的形式出现的, 在字符串中\也有特殊的含义, 本身还需要转
# 义. 所以如果匹配?次"\n", 字符串中要写成'\\n', 那么正则?就要写成"\\\\n",这样就太麻烦了.
# 这个时候我们就?到了r'\n'这个概念, 此时的正则是r'\\n'就可以了.
# ?. re模块
# re模块是python提供的?套关于处理正则表达式的模块. 核?功能有四个:
# 1. findall 查找所有. 返回list
# lst = re.findall("m", "mai le fo len, mai ni mei!")
# print(lst) # ['m', 'm', 'm']
# lst = re.findall(r"\d+", "5点之前. 你要给我5000万")
# print(lst) # ['5', '5000']
# 2. search 会进?匹配. 但是如果匹配到了第?个结果. 就会返回这个结果. 如果匹配不
# 上search返回的则是None
# ret = re.search(r'\d', '5点之前. 你要给我5000万').group()
# print(ret) # 5
# 3. match 只能从字符串的开头进?匹配找到一个就返回
# ret = re.match('a', 'abc').group()
# print(ret) # a
# import re
# # 4. finditer 和findall差不多. 只不过这时返回的是迭代器
# it = re.finditer("m", "mai le fo len, mai ni mei!")
# for el in it:
# print(el.group()) # 依然需要分组
# 5. 其他操作
# ret = re.split('[ab]', 'qwerafjbcd') # 先按'a'分割得到'qwer'和'fjbcd',在对'qwer'和'fjbcd'分别按'b'分割
# print(ret) # ['qwer', 'fj', 'cd']
#
# ret = re.sub(r"\d+", "_sb_", "alex250taibai250wusir250ritian38") # 把字符串中的数字换成__sb__
# print(ret) # alex_sb_taibai_sb_wusir_sb_ritian_sb_
#
# ret = re.subn(r"\d+", "_sb_", "alex250taibai250wusir250ritian38") # 将数字替换成'__sb__'，返回元组(替换的结果,替换了多少次)
# print(ret) # ('alex_sb_taibai_sb_wusir_sb_ritian_sb_', 4)
#
# obj = re.compile(r'\d{3}') # 将正则表达式编译成为?个 正则表达式对象, 规则要匹配的# 是3个数字
#
# ret = obj.search('abc123eeee') # 正则表达式对象调?search, 参数为待匹配的字符串
# print(ret.group()) # 结果: 123
# 爬虫重点
# obj = re.compile(r'(?P<id>\d+)(?P<name>e+)') # 从正则表达式匹配的内容每个组起名
# 字
# ret = obj.search('abc123eeee') # 搜索
# print(ret.group()) # 结果: 123eeee
# print(ret.group("id")) # 结果: 123 # 获取id组的内容
# print(ret.group("name")) # 结果: eeee # 获取name组的内容
# 6. 两个坑
# 注意: 在re模块中和我们在线测试?具中的结果可能是不?样的.
# ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
# print(ret) # ['oldboy'] 这是因为findall会优先把匹配结果组?内容返回,如果想要匹
# 配结果,取消权限即可
# ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
# print(ret) # ['www.oldboy.com']
# split?也有?个坑
# ret=re.split("\d+","eva3egon4yuan")
# print(ret) #结果 ： ['eva', 'egon', 'yuan']
# ret=re.split("(\d+)","eva3egon4yuan")
# print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']
#在匹配部分加上（）之后所切出的结果是不同的，
#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，
#这个在某些需要保留匹配部分的使?过程是?常重要的。
# 简单练习:用正则抓取豆瓣TOP250电影资讯
import re
import ssl
from urllib.request import urlopen
ssl._create_default_https_context = ssl._create_unverified_context #干掉数字签名证书
d = {}
obj = re.compile(r'<div class="item">.*?<em class="">(?P<num>.*?)</em>.*?<span class="title">(?P<name>.*?)</span>.*?<span class="rating_num" property="v:average">(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)</span>', re.S)
def getcontent(url):
content = urlopen(url).read().decode("utf-8")
return content
for i in range(10):
url = "https://movie.douban.com/top250?start=%s&filter=" % (i*25)
# print(url)
res = obj.finditer(getcontent(url))
for el in res:
d = {"编号": el.group("num"), "电影名": el.group("name"), "评论人数": el.group("comment_num")}
print(d)
内容总结
以上是互联网集市为您收集整理的python D23 re模块 正则全部内容，希望文章能够帮你解决python D23 re模块 正则所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】