常用模塊03 re

1. 正則表達式

• 正則表達式是對字符串操作的各種邏輯公式. 我們一般使用正則表達式對字符串進行匹配和過濾

1. 字符組
   字符組很簡單用[]括起來. 在[]中出現的內容會被匹配. 例如:[abc] 匹配a或b或c
   如果字符組中的內容過多還可以使用- , 例如: [a-z] 匹配a到z之間的所有字母 [0-9]
   匹配所有阿拉伯數字

2. 簡單元字符
   基本的元字符:
   . 匹配除換行符以外的任意字符
\w 匹配字母或數字或下劃線
\s 匹配任意的空字
\d 匹配數字
\n 匹配一個換行符
\t 匹配一個制表符
\b 匹配一個單詞的結尾
^ 匹配字符串的開始
$ 匹配字符串的結尾

   
   \W 匹配數字字母或數字或下劃線
\D 匹配一數字
\S 匹配非空白符
a|b 匹配字符a或字符b
() 匹配括號內的表達式，也表示一個組
[...] 匹配字符組中的字符
[^...] 匹配除了字符組中字符的所有字符

3. 量詞
   * 重復零次或更多次
+ 重復一次或更多次
? 重復零次或一次
{n} 重復n次
{n,} 重復n次或更多次
{n,m} 重復n到m次

4. 惰性匹配和貪婪匹配

• 在量詞中的 *, +,{} 都屬於貪婪匹配. 就是盡可能多的匹配到結果.
• 在使用 .*後面如果加了? 則是盡可能的少匹配. 表示惰性匹配
• .*?x 的特殊含義 找到下一個x為止.

5. 分組
   在正則中使用()進行分組. 比如. 我們要匹配一個相對復雜的身份證號.身份證號分成兩種. 老的身份證號有15位. 新的身份證號有18位. 並且新的身份證號結尾有可能是x.
   給出以下正則:

^[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})$

2. re模塊的使用

re模塊是python提供的一套關於處理正則表達式的模塊. 核心功能有四個:

• 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點之前. 你要給我5000萬")
print(lst) # [‘5‘, ‘5000‘]
 

• 2. search 會進行匹配. 但是如果匹配到了第一個結果. 就會返回這個結果. 如果匹配不上search返回的則是None

ret = re.search(r‘\d‘, ‘5點之前. 你要給我5000萬‘).group()
print(ret) # 5

• 3. match 只能從字符串的開頭進行匹配

ret = re.match(‘a‘, ‘abc‘).group() 
print(ret) # a

• 4. finditer 和findall差不多. 只不過這時返回的是叠代器

it = re.finditer("m", "mai le fo len, mai ni mei!")
for el in it:
 print(el.group()) # 依然需要分組

• 5.其他操作

ret = re.split(‘[ab]‘, ‘qwerafjbcd‘) # 先按‘a到‘qwer‘和‘fjbcd‘在對‘qwer‘和‘fjbcd‘分別按‘b‘分割print(ret) # [‘qwer‘, ‘fj‘, ‘cd‘]

ret = re.sub(r"\d+", "_sb_","alex250taibai250wusir250ritian38") # 把字符串的數字換成__sb__

print(ret) # alex_sb_taibai_sb_wusir_sb_ritian_sb_
ret = re.subn(r"\d+", "_sb_", "alex250taibai250wusir250ritian38") # 將數字替換成‘__sb__‘，返回元組(替換的結果,替換了多少次)

print(ret) # (‘alex_sb_taibai_sb_wusir_sb_ritian_sb_‘, 4)

obj = re.compile(r‘\d{3}‘) # 將正則表達式編譯成為一個 正則表達式對象, 規則要匹配的是3個數字

ret = obj.search(‘abc123eeee‘) # 正則表達式對象調用search, 參數為待匹配的字符串
print(ret.group()) # 結果: 123

• 爬蟲的重點

obj = re.compile(r‘(?P<id>\d+)(?P<name>e+)‘) # 從正則表達式匹配的內容每個組起名字

ret = obj.search(‘abc123eeee‘) # 搜索
print(ret.group()) # 結果: 123eeee
print(ret.group("id")) # 結果: 123 # 獲取id組的內容
print(ret.group("name")) # 結果: eeee # 獲取name組的內容

Python 22 常用模塊03