2. 程式人生 > >正則表示式 re模組 re模組實用方法

正則表示式 re模組 re模組實用方法

阿新 • • 發佈：2018-12-28

一. 正則表示式

 

　　首先, 我們在網⻚上進行註冊或者登陸的時候經常能看到一些格式上的錯誤提示. 比如:你在註冊百度賬號的時候 輸入使用者名稱隨意的輸入系統會提示你. 你的賬號過長或者不允許使用中文等等操作. 那這種操作如果使用我們現有的知識點是可以完成的. 但是完成的效果並不好. 寫起來也不容易. 尤其是對郵箱的匹配. 電話號碼的匹配. 那正則表示式就是專門來處理理類似問題的一種表示式. 英⽂全稱: Regular Expression. 簡稱 regex或者re. 但你要知道我們在使⽤用python的re模組之前. 我們首先要對正則有一定的了解和認識. 就像我們使用time模組之前. 我們已經對時間有了一定的認識.

　　正則表示式是對字串操作的一種邏輯公式. 我們⼀般使用正則表示式對字串進行匹配和過濾.

使用正則的優缺點:

優點: 靈活, 功能性強, 邏輯性強.
缺點: 上手難. 一旦上手, 會愛上這個東西
工具: 各大文字編輯器一般都有正則匹配功能. 我們也可以去
http://tool.chinaz.com/regex/進行線上測試.
　　正則表示式由普通字元和元字元組成. 普通字元包含大小寫字母, 數字. 在匹配普通字元
的時候我們直接寫就可以了. 比如"abc" 匹配的就是"abc". 我們如果用python也可以實現相
同的效果. 所以普通字元沒什麼好說的. 重點在元字元上.

元字元: 元字元才是正則表示式的靈魂. 元字元中的內容太多了, 在這里我們只介一些


常用的.


　　1. 字元組
　　字元組很簡單用[]括起來. 在[]中出現的內容會被匹配. 例如:[abc] 匹配a或b或c
如果字元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. 簡單元字元
　　基本的元字元. 這個東⻄網上一搜一大堆. 但是常用的就那麼幾個:

. 匹配除換行符以外的任意字元
\w 匹配字母或數字或下劃線
\s 匹配任意的空白符
\d 匹配數字
\n 匹配一個換行符
\t 匹配一個製表符
\b 匹配一個單詞的結尾
^ 匹配字串的開始
$ 匹配字元串的結尾
\W 匹配⾮字⺟或數字或下劃線
\D 匹配⾮數字
\S 匹配⾮空⽩符
a
 
|b 匹配字元a或字元
() 匹配括號內的表示式，也表示一個組
[...] 匹配字元組中的字元
[^...] 匹配除了字元組中字元的所有字元
..............還有很多,自己上網搜...........

 

　　3. 量詞
　　我們到目前匹配的所有內容都是單⼀⽂字元號. 那如何一次性匹配很多個字元呢,
我們要用到量詞

* 重複零次或更多次
+ 重複⼀次或更多次
? 重複零次或一次
{n} 重複n次
{n,} 重複n次或更多次
{n,m} 重複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. 就是儘可能多的匹配到結果.

str: 麻花藤昨天讓英雄聯盟關服了
reg: 麻花藤.*
此時匹配的是整句話

　　在使用.*後⾯如果加了? 則是儘可能的少匹配. 表示惰性匹配

str: 麻花藤昨天讓英雄聯盟關服了
reg: 麻花藤.*?
此時匹配的是 麻花藤
str: <div>胡辣湯</div>
reg: <.*>
結果: <div>胡辣湯</div>
str: <div>胡辣湯</div>
reg: <.*?>
結果:
<div>
 
 

　　.*?x的特殊含義 找到下一個x為止.
 
 
 
str: abcdefgxhijklmn
reg: .*?x
結果:abcdefgx
 
 

 
 

　　5. 分組
　　在正則中使用()進行分組. 比如. 我們要匹配一個相對複雜的身份證號. 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]$　　　　#不行
^[1-9]\d{14}(\d{2}[0-9x])?$       #可用
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$    #不可用
 

 
 

　　6. 轉義
　　在正則表示式中, 有很多有特殊意義的是元字元, 比如\n和\s等,如果要在正則中匹
配正常的"\n"而不是"換行符"就需要對"\"進行轉義, 變成'\\'.在python中, 無論是正則表示式, 還
是待匹配的內容, 都是以字元串的形式出現的, 在字元串中\也有特殊的含義, 本身還需要轉
義. 所以如果匹配一次"\n", 字元串中要寫成'\\n', 那麼正則里就要寫成"\\\\n",這樣就太麻煩了.
這個時候我們就用到了r'\n'這個概念, 此時的正則是r'\\n'就可以了.
 

 
 

 
 

二. re模組
 

# re的工作是在python中執行正則表示式
　　re模組是python提供的一套關於處理正則表示式的模組. 核心功能有四個:
　　　　1. findall 查詢所有. 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 只能從字元串的開頭進行匹配
 
 
 
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()) # 依然需要分組
 
 

 
 

　　　　5. 其他操作
 
 
 
ret = re.split('[ab]', 'qwerafjbcd') # 先按'a'分割得到'qwer'和'fjbcd',再
對'qwer'和'fjbcd'分別按'b'分割
print(ret) # ['qwer', 'fj', 'cd']

ret = re.sub(r"\d+", "_sb_", "alex250taibai250wusir250ritian38") # 把字串中的數字換成__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}') # 將正則表示式編譯成為一個 正則表示式物件, 規則要匹配的
是3個數字
ret = obj.search('abc123eeee') # 正則表示式物件呼叫search, 引數為待匹配的字串串
print(ret.group()) # 結果: 123


爬蟲重點:
obj = re.compile(r'(?P<id>\d+)(?P<name>e+)') # 從正則表示式匹配的內容每個組起名
字
ret = obj.search('abc123eeee') # 搜尋
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
 
 

 
 
 
 
# 正則的常用操作
result = re.split("\d+", "寶寶110來找你了. 你回頭收拾收拾去119報道")
print(result)

用正則替換
s = re.sub("\d+", "__sb__", "寶寶110來找你了. 你回頭收拾收拾去119報道")
print(s)

s = re.subn("\d+", "__sb__", "寶寶110來找你了. 你回頭收拾收拾去119報道") # 替換了xxx次
print(s)

code = "for i in range(10): print(i)"

c = compile(code, "", "exec") # 編譯

exec(c) # 快速執行

reg = re.compile(r"\d+") # 編譯了一段正則. 載入了一段正則
lst = reg.findall("呵呵, 寶寶才不去110呢.他要去120了")
print(lst)

re.findall(r"\d+", "呵呵, 寶寶才不去110呢.他要去120了")

lst = re.findall(r"a(?:\d+)c", "a123456c") # 把括號python中的分組變成了原來正則表示式中的分組
print(lst)
 
 

 
 

 
 

 
 

6. 兩個坑
注意: 在re模組中和我們線上測試工具中的結果可能是不一樣的.
 
 
 
ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['oldboy'] 這是因為findall會優先把匹配結果組里內容返回,如果想要匹
配結果,取消許可權即可
ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
print(ret) # ['www.oldboy.com']
 
 

 
 

split里也有⼀個坑
 
 
 
ret=re.split("\d+","eva3egon4yuan")
print(ret) #結果 ： ['eva', 'egon', 'yuan']
ret=re.split("(\d+)","eva3egon4yuan")
print(ret) #結果 ： ['eva', '3', 'egon', '4', 'yuan']

#在匹配部分加上（）之後所切出的結果是不同的，
#沒有（）的沒有保留所匹配的項，但是有（）的卻能夠保留了匹配的項，
#這個在某些需要保留匹配部分的使⽤過程是非常重要的。
 
 

 
 

 
 

 
 

這種優先順序的問題有時候會幫我們完成很多功能. 我們來看一個比較複雜的例子
 
 
 
import re
from urllib.request import urlopen
import ssl
# 幹掉數字簽名證書
ssl._create_default_https_context = ssl._create_unverified_context

def getPage(url):
　　response = urlopen(url)
return response.read().decode('utf-8')
def parsePage(s):
　　ret = re.findall(
'<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?
<span class="title">(?P<title>.*?)</span>'
'.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>
(?P<comment_num>.*?)評價</span>', s, re.S)


return ret
def main(num):
　　url = 'https://movie.douban.com/top250?start=%s&filter=' % num
　　response_html = getPage(url)
　　ret = parsePage(response_html)
　　print(ret)
count = 0
for i in range(10): # 10頁
　　main(count)
　　count += 25
 
 

　　此時利用的就是分組之後. 匹配成功後獲取到的是分組後的結果. (?P<id>\d+) 此時當前
組所匹配的資料就會被分組到id組內. 此時程式可以改寫成:import ssl
 
 
 
import re
from urllib.request import urlopen




 
 
# ⼲掉數字簽名證書
 
 
ssl._create_default_https_context = ssl._create_unverified_context


def getPage(url):
　　response = urlopen(url)
　　return response.read().decode('utf-8')

def parsePage(s):
　　com = re.compile(
　　　　　　'<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?
　　　　　　<span class="title">(?P<title>.*?)</span>'
　　　　　　'.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?
　　　　　　<span>(?P<comment_num>.*?)評價</span>', re.S)
　　ret = com.finditer(s)

　　for i in ret:
　　　　yield {
　　　　"id": i.group("id"),
　　　　"title": i.group("title"),
　　　　"rating_num": i.group("rating_num"),
　　　　"comment_num": i.group("comment_num"),
　　　　}
def main(num):
　　url = 'https://movie.douban.com/top250?start=%s&filter=' % num
　　response_html = getPage(url)
　　ret = parsePage(response_html)
　　# print(ret)
　　f = open("move_info7", "a", encoding="utf8")
　　for obj in ret:
　　　　print(obj)
　　　　data = str(obj)
　　　　f.write(data + "\n")

count = 0
for i in range(10):
　　main(count)
　　count += 25
 
 

　　正則表示式和re模組就說這麼多. 如果要把正則所有的內容全部講清楚講明白, ⾄少要一週
以上的時間. 對於我們日常使用⽽言. 上述知識點已經夠用了. 如果碰到一些極端情況建議想
辦法分部處理. 先對字元串進⾏行拆分. 然後再考慮用正則.
 

 
 
 
 
# 爬取電影天堂   極其簡易版
from urllib.request import urlopen

content = urlopen("https://www.dytt8.net/html/gndy/dyzz/20181219/57954.html").read().decode("gbk")
# print(content)

reg = r'<div id="Zoom">.*?片　　名(?P<name>.*?)<br />◎年　　代(?P<years>.*?)<br />.*?◎上映日期(?P<date>.*?)<br />'+ \
'.*?◎主　　演(?P<main>.*?)◎簡　　介.*?<td style="WORD-WRAP: break-word" bgcolor="#fdfddf"><a href="(?P<download>.*?)">'

it = re.finditer(reg, content, re.S) # re.S 去掉.裡面的\n

for el in it:
    print(el.group("name"))
    print(el.group("years"))
    print(el.group("date"))
    print(el.group("main").replace("<br />　　　　　　", ", "))
    print(el.group("download"))
 
 

 
   
 
 
 
 

            
  

           

              
              

            

            
相關推薦

			   
            
            
            
 

    


    
    
十分鐘學習正則表示式|上手python re模組

     
  
 
 
 請給我10分鐘，我有把握讓你10分鐘上手正則表示式。 
 用一句通俗的語言解釋：正則表示式就是記錄文字規則的程式碼。 
 正則表示式之所以難學，是因為它有大量的符號，每個符號的意義和用法又是不一樣的，但是隻要掌握了用法，正則表示式也可以很友好。 
 本文中所有的程式碼都在python的re模組下 



  
 

    


    
    
Python自然語言處理—正則表示式檢測片語re.search()

     
  
 
 1. 開頭和結尾 ^ $ 
 import re
import nltk
wordlist = [w for w in nltk.corpus.words.words("en") if w.islower()]
print([w for w in wordlist if re.search("^ed 



  
 

    


    
    
Python正則表示式中的re.S的作用

     
 
                

在Python的正則表示式中，有一個引數為re.S。它表示“.”（不包含外側雙引號，下同）的作用擴充套件到整個字串，包括“\n”。看如下程式碼：



import re
a = '''asdfhellopass:
    123
    worldaf
    '''
 



  
 

    


    
    
正則表示式r和re

     
 
                # coding:utf-8
import re

print 'a\ws'
print r'a\nb'
# r'': 一般用在正則表示式中，稱為原始字串，作用是將Python語法中的反斜槓轉義給
取消，將其設定成為一個普通的字串。可以解決Python中的轉義字元和正則表示式 



  
 

    


    
    
jmeter正則表示式提取器多模組相互呼叫

     
 
								
								            
							
							
							提取return的結果 
（1）例： 
建立賬戶和轉賬功能 
注：以下為soap協議 
新增賬戶1 
 

建立正則表示式提取器（提取建立的結果）

 
點選匯入介面文件URL地址和方框內方法

 
同 



  
 

    


    
    
利用正則表示式進行字串替換（replace方法）

     
 語法 
str.replace(regexp|substr, newSubStr|function) 
引數 
 
  regexp(pattern) 一個RegExp物件或者其字面量。該正則所匹配的內容會被第二個引數的返回值替換掉。  
  substr(pattern) 一個要被 newSubStr 替換 



  
 

    


    
    
正則表示式擷取身份證號碼加密的方法

     
  
 
 下面一段簡單的程式碼給大家介紹正則表示式擷取身份證號碼加密的方法，具體程式碼如下所示：
 直接上程式碼：
 
  
   
    
     
      
       
        1
       
       
        2
       
       
        3
 



  
 

    


    
    
Python 正則表示式的 Match 物件的 group 方法

     
 
							
							
							用法介紹

match.group([group1, ...])

返回 match 的一個或多個子組。

如果只有唯的一引數，返回單一的子符串；如果有多個引數，結果是對應每一個引數的元素組成的 tuple 。 
如果沒有引數， group1 的預設值為 0 （ 



  
 

    


    
    
Java正則表示式Matcher的find()和matches()方法不同

     
 
                


1、直接上結論：

find()方法在部分匹配時和完全匹配時返回true,匹配不上返回false;

matches()方法只有在完全匹配時返回true,匹配不上和部分匹配都返回false。

2、測試該結論的例子如下：
String
 regex = "own\\.p 



  
 

    


    
    
JavaScript正則表示式（三）字串例項方法search

     
 
                
還可以使用字串例項本身的方法來確定制定的正則表示式物件是否在字串中有匹配的詞。請看如下程式碼：
function  doSearch(){
                 //定義一個字串
                 var str = "I have never  



  
 

    


    
    
正則表示式去除資料帶HTML標籤方法

     
 
								
								            
						
                
新的訊息列表介面，後臺返回的簡要說明和詳細說明是一個欄位，還是帶HTML標籤的欄位，只能自行 去除HTML標籤。
簡要說明一下，&.{2,6}?;   這個是正則表示式，是拿到 html的部分 



  
 

    


    
    
正則表示式之Matcher類中group方法

     
 前言
同事把一個excel表給我，裡面的資料大概有幾千的樣子吧。自己需要把裡面的資料一個一個拿出來做一個http請求，對得到的結果進行過濾，然後再寫到上面去。這是就涉及到用指令碼來進行操作了，於是自己搞了一個Java的指令碼出來，裡面涉及到一些正則表示式，自己雖然說會，但是一直對 Matcher類中的grou 



  
 

    


    
    
正則表示式 re模組 re模組實用方法

     
 一. 正則表示式 
  
　　首先, 我們在網⻚上進行註冊或者登陸的時候經常能看到一些格式上的錯誤提示. 比如:你在註冊百度賬號的時候 輸入使用者名稱隨意的輸入系統會提示你. 你的賬號過長或者不允許使用中文等等操作. 那這種操作如果使用我們現有的知識點是可以完成的. 但是完成的效果並不好. 寫起來也 



  
 

    


    
    
python3 學習5 正則表示式，re模組學習

     
  
 
   
 正則表示式： 
 正則表示式有特殊的語法，有些符號需要轉義，所以一般來說使用原始字串模式，也就是r''。 
 轉自：https://blog.csdn.net/qq_33720683/article/details/81023115 
 
  
   
    模式 
    描述 



  
 

    


    
    
【轉】Python之正則表示式（re模組）

     
 【轉】Python之正則表示式（re模組） 
本節內容 

 
 re模組介紹 
 使用re模組的步驟 
 re模組簡單應用示例 
 關於匹配物件的說明 
 說說正則表示式字串前的r字首 
 re模組綜合應用例項 
 參考文件 
 
 
 提示： 由於該站對MARKDOWN的表格支援的不是很好，所以本文中的表 



  
 

    


    
    
正則表示式和re模組知識點彙總

     
 "\^"：匹配字元的開始"\$"：匹配字元的結尾"[]"：字元組"[^a]"：如果在字元組中以^開頭，就是除了a不匹配，其他的都匹配"a|b"：匹配字元a或b  注意：使用或關係的時候，要把長規則放在短規則的前面"()"分組，需要對一個整體匹配規則量詞約束的，就對整體匹配規則加一個括號字串最前面加上r 就是不 



  
 

    


    
    
[Python模組]正則表示式 re模組的使用與例項

     
  
  
  
  
  很喜歡Python教材中的這句格言: 有些人面臨問題時會想:“我知道, 我將使用正則表示式來解決這個問題.” 這讓他們面臨的問題變成了兩個. ---------Jamie Zawinski 正則表示式的確好用,但是複雜的模式難以閱讀和維護,與其把花在研究用正則表示式處理複雜的問題上, 



  
 

    


    
    
Python正則表示式:re模組

     
  
  
  
 正則表示式: 使用單個字串來描述、匹配一系列匹配某個句法規則的字串正則表.通常被用來檢索、替換那些符合某個模式(規則)的文字.python自1.5起提供了re模組,它提供了perl風格的正則表示式. re模組簡介 
 re.match函式 
 功能
	嘗試從字串的起始位置開始匹配一個模式,如 



  
 

    


    
    
資料提取——正則表示式的 re 模組

     
  
  
  
 什麼是正則表示式 
 正則表示式，又稱規則表示式，通常被用來檢索、替換那些符合某個模式(規則)的文字。 
 正則表示式是對字串操作的一種邏輯公式，就是用事先定義好的一些特定字元、及這些特定字元的組合，組成一個“規則字串”，這個“規則字串”用來表達對字串的一種過濾邏輯。 
 給定一個正則表示式 



  
 

    


    
    
python進階（2）——re模組：正則表示式1

     
  
 
 實驗結果輸出文件，包括多項引數（大約幾百個），想把所有的loss value對應的值提取出來，畫出曲線圖，這就需要用到正則表示式，基於此，開始學習正則表示式。 
 正則表示式：可匹配文字片段的模式 
 萬用字元：句點.(.ython與jpython與python與 ython都匹配，但不與ython