深入淺析正則表達(dá)式re模塊(部分)
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!
相關(guān)文章
應(yīng)該如何構(gòu)造復(fù)雜的正則表達(dá)式
昨天Snopo問我如何寫一段正則表達(dá)式,來提取sql的條件語句。解答之余,想寫一篇文章介紹一下經(jīng)驗(yàn)2012-09-09正則表達(dá)式中小括號(hào)、中括號(hào)、大括號(hào)的作用詳細(xì)講解
正則表達(dá)式也是一門語言,而括號(hào)的存在使這門語言更為強(qiáng)大,這篇文章主要給大家介紹了關(guān)于正則表達(dá)式中小括號(hào)、中括號(hào)、大括號(hào)作用的相關(guān)資料,需要的朋友可以參考下2024-08-08Java用正則表達(dá)式如何讀取網(wǎng)頁內(nèi)容
java用正則表達(dá)式讀取網(wǎng)頁內(nèi)容,通過抓取文章標(biāo)題及內(nèi)容,進(jìn)一步專區(qū)整個(gè)頁面的全部?jī)?nèi)容,本文代碼簡(jiǎn)單易懂,對(duì)java用正則表達(dá)式讀取網(wǎng)頁內(nèi)容感興趣的朋友可以參考下2015-10-10Java 中的正則表達(dá)式單字符預(yù)定義字符匹配問題
正則表達(dá)式用極簡(jiǎn)的規(guī)則取代了復(fù)雜的驗(yàn)證邏輯,是一種通用的技術(shù),適用于多種編程語言,近通過本文給大家講解Java 中的正則表達(dá)式單字符匹配和預(yù)定義字符匹配問題,感興趣的朋友跟隨小編一起看看吧2022-11-11正則表達(dá)式(括號(hào))、[中括號(hào)]、{大括號(hào)}的區(qū)別小結(jié)
這篇文章主要介紹了正則表達(dá)式(括號(hào))、[中括號(hào)]、{大括號(hào)}的區(qū)別小結(jié),本文用(\s*)[\s*]{\s*}做例子,需要的朋友可以參考下2014-07-07shell腳本之正則表達(dá)式、grep、sed、awk
這篇文章主要介紹了shell腳本之正則表達(dá)式、grep、sed、awk的相關(guān)知識(shí),非常不錯(cuò),具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-04-048個(gè)你應(yīng)該了解的正則表達(dá)式提高你的工作效率
正則表達(dá)式也可以被當(dāng)作是一門語言,入門時(shí)可能很吃力,不過一旦學(xué)會(huì)了就方便很多,在處理一些比較復(fù)雜的替換時(shí),正則表達(dá)式就會(huì)發(fā)揮它的真正作用,本文整理了一些常用的正則,感興趣的朋友可以了解下,或許對(duì)你有所幫助2013-01-01