正则表达式
应用场景
特定规律字符串的查找替换切割等
邮箱格式、URL、IP等的校验
爬虫项目中,特定内容的提取
使用原则
只要是能够使用字符串函数解决的问题,就不要使用正则
正则的效率较低,还会降低代码的可读性
世界上最难理解的三样东西:医生的处方、道士的神符、码农的正则
提醒:正则是用来写的,不是用来读的;在不知道功能的情况下,不要试图阅读别人的正则。
基本使用
说明:正则的解析处理是由 re 模块完成
相关函数:
match:从开头进行匹配,匹配到就返回正则结果对象,没有就返回None
search:从任意位置匹配,匹配到一次就返回,没有就返回None
import re
# 只从开头匹配,找到返回一个正则结果对象,没有找到返回None
# m = re.match('abc', 'abcsdhasdasjabcweuqo')
# 全部匹配,只要找到就停止并返回
m = re.search('abc', 'sdhabcsdasjabcweuqo')
if m:
# 提取匹配到的内容
print(m.group())
# 获取匹配位置
print(m.span())
findall:全局匹配,返回匹配到的结果列表,没有时返回空列表
# 匹配所有内容,返回匹配结果组成的列表,若没有则返回空列表
f = re.findall('abc', 'qwsdhaslabcsadjlasdoiabcdakls')
if f:
print(f)
print(type(f))
compile:生成正则表达式对象
# 生成正则表达式对象,用于正则匹配
c = re.compile('hello')
# 从开头进行匹配
# m = c.match('hellosdsjldkabc')
# 从任意位置匹配
m = c.search('shdjkhelloaskjdha')
if m:
print(m.group())
# 匹配所有
f = c.findall('helloasjdhakhello')
if f:
print(f)
将正则的匹配分两步完成:先创建正则对象,然后通过对象的match、search、findall方法完成匹配
正则规则
单个字符:
普通字符:简单来说就是一对一的完全匹配
[]:中间的任意一个字符
[a-z]:a~z之间的字符(所有小写字母)
[0-9]:0~9之间的字符(所有数字)
[A-Z0-9]:所有的大写字母和数字
[^abc]:除abc外的所有字符
. :匹配''以外的任意字符
d:所有的数字,等价于[0-9]
D:所有的非数字,等价于[^0-9]
w:所有的数字、字母(中文)、下划线等(就是字)
W:所有的非字字符(w的取反)
s:所有的空白字符(、、、空格等)
S:所有的非空白字符
:词边界匹配(开头、结尾、标点、空格)
B:非词边界匹配
次数控制
*:前面的字符出现任意次
+:前面的字符出现至少一次
?:前面的字符出现至多一次
{m}:指定次数,m表示出现的次数
{m,}:至少指定次数
{m,n}:指定范围内的次数,m到n次之间
{,n}:至多n次,相当于{0,n}
正则的匹配默认都是贪婪的(最大限度的匹配)
边界限定
^:以指定的内容开头
$:以指定的内容结尾
示例
import re
# 以指定的内容开头
# c = re.compile(r'^abc')
# 以指定的内容结尾
c = re.compile(r'kas$')
s = c.search('abcsdhkas')
if s:
print(s.group())
优先级控制
|:表示或,它拥有最低的优先级
():用于表示一个整体,明确的指定优先级
示例:
import re
c = re.compile(r'a(hello|world)b')
s = c.search('aworldb')
if s:
print(s.group())
分组匹配
说明:()不但可以作为一个整体,还可以进行分组匹配
示例1:
import re
c = re.compile(r'(d+)([a-z]+)(d+)')
s = c.search('shd327sjahdajhsd87892ehawksd')
if s:
print(s.group())
# 默认就是全部的匹配内容,等价于上式
print(s.group(0))
# 第一个()匹配到的内容
print(s.group(1))
print(s.group(2))
print(s.group(3))
print(s.span())
print(s.span(0))
print(s.span(1))
print(s.span(2))
print(s.span(3))
示例2:给分组起名字
import re
# 固定匹配
# c = re.compile(r'
w+')# �表示前面第一个小括号匹配的内容
# c = re.compile(r'<([a-z]+)><([a-z]+)>w+')
# 给()起名字
c = re.compile(r'<(?P[a-z]+)><(?P[a-z]+)>w+')
s = c.search('
百度一下')if s:
print(s.group())
贪婪匹配
贪婪:最大限度的匹配叫贪婪。正则的匹配默认是贪婪。
非贪婪:只要满足匹配条件,能少匹配就少匹配;通过可以使用'?'进行取消贪婪
示例:
import re
# 取消任意多次的贪婪
# c = re.compile(r'a.*?b')
# 取消至少一次的贪婪
c = re.compile(r'a.+?b')
s = c.search('abdhsadjbsdjabs')
if s:
print(s.group())
匹配模式
说明:所谓模式就是对匹配的原则进行整体的修饰
示例:
import re
# 忽略大小写的匹配
# c = re.compile(r'hello', re.I)
# s = c.search('Hello world')
# 进行多行匹配,默认单行匹配
# c = re.compile(r'^hello', re.M)
# s = c.search('world hello')
# 做为单行处理 或 让 . 能够匹配
c = re.compile(r'
.*?', re.S)# string = '
hello'string = '''
hello
'''
s = c.search(string)
if s:
print(s.group())
字符转义
若匹配正则语法中的特定字符都需要进行转义
正则字符串会被处理两次,python中处理一次,re模块会在处理一次
若不想考虑字符的转义问题,可以在书写正则字符串时前面加一个字符'r'
添加'r'之后,在python不会再进行任何转义,只需在与正则语法相关的字符前加''即可让其使用原有意义
网络编程
相关概念
OSI七层模型:开放系统互连参考模型。它从低到高分别是:物理层、数据链路层、网络层、传输层、会话层、表示层和应用层。
TCP/IP:在OSI七层模型的基础上简化抽象出来的一套网络协议簇,现在得到了广泛使用。
TCP:传输控制协议
有连接的,数据是安全有保障的
传输的速度稍慢,三次握手、四次挥手、数据检查
UDP:用户数据报协议
无连接的,数据是不可靠的
传输的速度比较快
IP地址:唯一的一台计算标识
查看:ipconfig
ping:检查网络连通性
使用:ping IP/域名
端口号:每个应用可以拥有唯一的端口号
范围:0~65535
系统:0~1024,常用的应用所占用
http:80
https:443
smtp:25
ftp:21
ssh:22
mysql:3306
redis:6379
自己:大于1024
网络编程核心:
IP + 端口
库:socket
TCP协议
说明:面向连接、数据可靠(校验重发)、三次握手、四次挥手、传输速度较慢
原理:见 tcp.png
示例:见 01-tcp-http.py
TCP协议的服务器与客户端:见 02-tcp-server.py 与 03-tcp-client.py
UDP协议
说明:面向无连接的、数据不可靠、传输速度较快,适应于对数据要求不严格的情况
原理:见 udp.png
示例:模拟飞秋发送数据,见 04-udp-feiqiu.py
UDP协议的服务器与客户端:见 05-udp-server.y 与 06-udp-client.py
StringIO与BytesIO
说明:这些类型的对象可以与open返回的对象一样操作,但是操作的内存中的数据
方法:getvalue用于获取所有数据
网友评论