正則表達(dá)式：

官方定義：正則表達(dá)式是對(duì)字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來表達(dá)對(duì)字符串的一種過濾邏輯。

​ 什么是正則表達(dá)式: 一套規(guī)則 - 匹配字符串的

​ 談到正則，就只和字符串相關(guān)了。我們要考慮的是在同一個(gè)位置上可以出現(xiàn)的字符的范圍。

​ 正則表達(dá)式能做什么：

•1.檢測(cè)一個(gè)輸入的字符串是否合法 -- web開發(fā)項(xiàng)目 表單驗(yàn)證 ◦用戶輸入一個(gè)內(nèi)容的時(shí)候,我們要提前做檢測(cè)
◦能夠提高程序的效率并且減輕服務(wù)器的壓力

•2.從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容 -- 日志分析\爬蟲 ◦能夠高效的從一大段文字中快速找到符合規(guī)則的內(nèi)容

字符組 ： [字符組]

在同一個(gè)位置可能出現(xiàn)的各種字符組成了一個(gè)字符組，在正則表達(dá)式中用[]表示。一個(gè)中括號(hào)只表示一個(gè)字符位置
 字符分為很多類，比如數(shù)字、字母、標(biāo)點(diǎn)等等。假如你現(xiàn)在要求一個(gè)位置"只能出現(xiàn)一個(gè)數(shù)字",那么這個(gè)位置上的字符只能是0、1、2...9這10個(gè)數(shù)之一。
     字符組 描述的是一個(gè)位置上能出現(xiàn)的所有可能性
    # 接受范圍,可以描述多個(gè)范圍,連著寫就可以了
    # [abc]    一個(gè)中括號(hào)只表示一個(gè)字符位置,匹配a或者b或者c
    # [0-9]     匹配數(shù)字0-9，根據(jù)ASCII進(jìn)行范圍的比對(duì)
    # [a-z]     匹配所有的小寫字母
    # [A-Z]     匹配所有的大寫字母
    # [a-zA-Z]  匹配所有的大小寫字母
    # [0-9a-z]
    # [0-9a-zA-Z_]

元字符：

        字符：

        元字符           匹配內(nèi)容的規(guī)則
        .               匹配除換行符以外的任意字符
        \w              匹配字母或數(shù)字或下劃線
        \s              匹配任意的空白符
        \d              匹配數(shù)字
        \n              匹配一個(gè)換行符
        \t              匹配一個(gè)制表符
        \b              匹配一個(gè)單詞的結(jié)尾
        ^               匹配一個(gè)字符串的開始
        $               匹配一個(gè)字符串的結(jié)尾
        \W              匹配非字母或數(shù)字或下劃線
        \D              匹配非數(shù)字
        \S              匹配非空白符
        a|b             匹配字符a或字符b
        a表達(dá)式|b表達(dá)式   匹配a或者b表達(dá)式中的內(nèi)容,如果匹配a成功了,不會(huì)繼續(xù)和b匹配， 所以,如果兩個(gè)規(guī)則有重疊部分,總是把長(zhǎng)的放在前面
        ()              分組，匹配括號(hào)內(nèi)的表達(dá)式，也表示一個(gè)組。約束某一個(gè)元字符的作用范圍，只在（）內(nèi)生效
        []              字符組，匹配字符組中的字符
        [^]             非字符組，匹配除了字符組中字符的所有字符
        在正則表達(dá)式中能夠幫助我們表示匹配的內(nèi)容的符號(hào)都是正則中的 元字符
        # [0-9]        -->  \d   表示匹配一位任意數(shù)字 digit
        # [0-9a-zA-Z_] -->  \w   表示匹配數(shù)字字母下劃線 word
        # 空格 -->
        # tab  -->  \t
        # enter回車  -->  \n
        # 空格,tab和回車 --> \s  表示所有空白 包括空格 tab和回車
        # [\d]  \d  表示匹配數(shù)字
        # [\d\D] [\w\W] [\s\S]  表示匹配所有
        # [^\d]  匹配所有的非數(shù)字
        # [^1]  匹配除數(shù)字1以外的所有  
        # [1-9]\d 匹配兩位整數(shù)
        # [1357]\d  匹配1,3,5,7，開頭的兩位整數(shù)
              例1：匹配多個(gè)網(wǎng)址：
             www\.oldboy\.com|www\.baidu\.com|www\.jd\.com|www\.taobao\.com     #\.表示取消.的特殊意義
             www\.(oldboy|baidu|jd|taobao)\.com    #用（） 來約束 | 描述的內(nèi)容的范圍      
        記憶元字符 : 都是表示能匹配哪些內(nèi)容,一個(gè)元字符總是表示一個(gè)字符位置上的內(nèi)容
        # \d \w \s \t \n \D \W \S
        # [] [^] .
        # ^ $
        # | ()

量詞：

        量詞  用法說明
        *      重復(fù)0次或更多次，表示0次或多次    {0,}
        +      重復(fù)1次或更多次，表示1次或多次    {1,}
        ?      重復(fù)0次或1次，表示匹配0次或1次    {0,1}
        {n}    重復(fù)n次，表示匹配n次
        {n,}   重復(fù)n次或更多次，表示匹配至少n次
        {n,m}  重復(fù)n到m次，表示至少匹配n次,至多m次
        例：
            匹配整數(shù) \d+
            匹配小數(shù) \d+\.\d+
            匹配整數(shù)或小數(shù) : \d+\.?\d* #存在問題，比如1.也會(huì)被匹配到   --->  分組的作用 : \d+(\.\d+)?
        例：匹配手機(jī)號(hào)碼，手機(jī)號(hào)以1開頭，第二位為3-9，總共11位             
            1[3-9]\d{9}

            #判斷用戶輸入的內(nèi)容是否合法,如果用戶輸入的對(duì)就能查到結(jié)果,如果輸入的不對(duì)就不能查到結(jié)果
                 ^1[3-9]\d{9}$
            # 從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容
                 1[3-9]\d{9}  

轉(zhuǎn)義符：

 原本有特殊意義的字符,到了表達(dá)它本身的意義的時(shí)候,需要轉(zhuǎn)義。     

     . 有特殊的意義,取消特殊的意義\.

  有一些有特殊意義的內(nèi)容,放在字符組中,會(huì)取消它的特殊意義
                #只表示符號(hào)本身
          [().*+?] 所有的內(nèi)容在字符組中會(huì)取消它的特殊意義        
         #表示：a-c (a減c)
          [a\-c]  -在字符組中表示范圍,如果不希望它表示范圍,需要轉(zhuǎn)義,或者放在字符組的最前面\最后面 。
 取消一個(gè)元字符的特殊意義有兩種方法：
        1. 在這個(gè)元字符前面加\
        2. 對(duì)一部分字符生效,把這個(gè)元字符放在字符組里
            # [.()+?*]

貪婪匹配：

 1.貪婪匹配：在量詞范圍允許的情況下,盡量多的匹配內(nèi)容   
  .*x 表示匹配任意字符 任意多次數(shù) 遇到最后一個(gè)x才停下來  
  回溯算法： 
 2.非貪婪(惰性)匹配： 總是在量詞范圍內(nèi)盡量少的匹配內(nèi)容。前面的*,+等都是貪婪匹配，也就是盡可能匹配，后面加?號(hào)使其變成惰性匹配  
  .*?x 表示匹配任意字符 任意多次數(shù) 但是一旦遇到x就停下來
  .+?x 匹配任意內(nèi)容至少1次 遇到x就停止  
  元字符+量詞+？ ---> 惰性匹配  
  幾個(gè)常用的非貪婪匹配：
   *? 重復(fù)任意次，但盡可能少重復(fù)
   +? 重復(fù)1次或更多次，但盡可能少重復(fù)
   ?? 重復(fù)0次或1次，但盡可能少重復(fù)
   {n,m}? 重復(fù)n到m次，但盡可能少重復(fù)
   {n,}? 重復(fù)n次以上，但盡可能少重復(fù)
   例：匹配身份證號(hào)碼：18/15位的身份證號(hào)
 # 15位：首位數(shù)字為1-9，總共15位
  [1-9]\d{14}
 # 18位：首位數(shù)字為1-9，末位為0-9或者X，總共18位
   [1-9]\d{16}[\dx]
   [1-9]\d{16}[0-9x]
 #1：
  [1-9]\d{16}[0-9x]|[1-9]\d{14}   #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容。表示先匹配[1-9]\d{16}[0-9x]如果沒有匹配上就匹配[1-9]\d{14}
  ^([1-9]\d{16}[0-9x]|[1-9]\d{14})$  #檢測(cè)一個(gè)輸入的字符串是否合法
 #2：簡(jiǎn)化
  [1-9]\d{14}(\d{2}[\dx])?  #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容
  ^[1-9]\d{14}(\d{2}[\dx])?$  #檢測(cè)一個(gè)輸入的字符串是否合法 。()表示分組，將\d{2}[\dx]分成一組，就可以整體約束他們出現(xiàn)的次數(shù)為0-1次
  例：
 規(guī)則：1\d*?3 待匹配內(nèi)容：1243333344  匹配結(jié)果：1243
 規(guī)則：1\d*3  待匹配內(nèi)容：1243333344  匹配結(jié)果：12433333
re模塊：
# findall 還是按照完整的正則進(jìn)行匹配,只是顯示括號(hào)里匹配到的內(nèi)容。 取所有符合條件的,優(yōu)先顯示分組中的。
 ret = re.findall('9\d\d','19740ash93010uru')
 print(ret)#['974', '930']
 ret = re.findall('9(\d)\d','19740ash93010uru')
 print(ret)#['7', '3']
# search 還是按照完整的正則進(jìn)行匹配,顯示也顯示匹配到的第一個(gè)內(nèi)容,但是我們可以通過給group方法傳參數(shù),來獲取具體分組，即（）中的內(nèi)容。
 search 只取第一個(gè)符合條件的,沒有優(yōu)先顯示這件事兒
 得到的結(jié)果是一個(gè)變量
  變量.group() 的結(jié)果 完全和 變量.group(0)的結(jié)果一致
  變量.group(n) 的形式來指定獲取第n個(gè)分組中匹配到的內(nèi)容
 ret = re.search('9(\d)(\d)','19740ash93010uru')
 print(ret) # 變量 <_sre.SRE_Match object; span=(1, 4), match='974'>
 if ret:
  print(ret.group())#974 #ret.group(0) 0 默認(rèn)不寫
  print(ret.group(1))#7
  print(ret.group(2))#4
# 為什么在search中不需要分組優(yōu)先 而在findall中需要?
 加上括號(hào)是為了對(duì)真正需要的內(nèi)容進(jìn)行提取。 為什么要用分組? 把想要的內(nèi)容放分組里
 如果我們要查找的內(nèi)容在一個(gè)復(fù)雜的環(huán)境中，我們要查的內(nèi)容并沒有一個(gè)突出的 與眾不同的特點(diǎn) 甚至?xí)筒恍枰碾s亂的數(shù)據(jù)混合在一起，這個(gè)時(shí)候我們就需要把所有的數(shù)據(jù)都統(tǒng)計(jì)出來,然后對(duì)這個(gè)數(shù)據(jù)進(jìn)行篩選,把我們真正需要的數(shù)據(jù)對(duì)應(yīng)的正則表達(dá)式用()圈起來，這樣我們就可以篩選出真正需要的數(shù)據(jù)了。
# 如何取消分組優(yōu)先
 如果在寫正則的時(shí)候由于不得已的原因，導(dǎo)致不要的內(nèi)容也得寫在分組里，通過 ?: 取消這個(gè)分組的優(yōu)先顯示
 # (?:) 取消這個(gè)分組的優(yōu)先顯示
#findall
 ret = re.findall('<\w+>(\w+)</\w+>','<h1>askh930s02391j192agsj</h1>')
 print(ret)#['askh930s02391j192agsj']
# search
 ret = re.search('<(\w+)>(\w+)</\w+>','<h1>askh930s02391j192agsj</h1>')
 print(ret.group())#<h1>askh930s02391j192agsj</h1>
 print(ret.group(1))#h1
 print(ret.group(2))#askh930s02391j192agsj
#從exp中匹配出第一個(gè)加法，第一個(gè)減法， a+b 或者是a-b 并且計(jì)算他們的結(jié)果
  exp = '2-3*(5+6)'
  ret = re.search('(\d+)[+](\d+)',exp)
  print(ret)
  print(ret.group(1))#5
  print(ret.group(2))#6
  print(int(ret.group(1)) + int(ret.group(2)))#11
 #將豆瓣源碼放到douban.html，從中獲取電影名：
 with open('douban.html',encoding='utf-8') as f:
  content = f.read()
 ret = re.findall('<span class="title">(.*?)</span>(?:\s*<span class="title">.*?</span>)?',content)
 print(ret)
 #除了 霸王別姬，其他電影都是 肖申克的救贖 這種格式的。
 (.*?) 要顯示的電影名 其中 ？是非貪婪匹配的標(biāo)志
 (?:\s*<span class="title">.*?</span>)?
 ?: 取消這個(gè)分組的優(yōu)先顯示，整個(gè)（）內(nèi)都不顯示  \s* 兩行代碼之間所有的空字符 
 .*? 電影英文名         ？ 該部分出現(xiàn)0次 或者1次
# 什么是爬蟲
 # 通過代碼獲取到一個(gè)網(wǎng)頁的源碼,需要的是源碼中嵌著的網(wǎng)頁上的內(nèi)容 -- 正則表達(dá)式
 #先安裝擴(kuò)展模塊 File--Settings--Project Interpreter-- + --找到包---Install Package
 import requests
 ret = requests.get('https://movie.douban.com/top250?start=0&filter=')
 print(ret.content.decode('utf-8'))

總結(jié)

以上所述是小編給大家介紹的深入淺析正則表達(dá)式re模塊（部分）,希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！
如果你覺得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！

最新評(píng)論