Python学习

第十九天

正则表达式

正则表达式是一个强大的字符串处理技术，几乎任何和字符串有关的操作都可以使用正则表达式来完成，如果想要去爬取数据，那么正则表达式更是不可或缺的技能。正则表达式的在不同的语言中使用方式可能不一样，不过只要学会了任意一门语言的正则表达式用法，其他语言中大部分也只是换了个函数的名称而已，本质都是一样的。

1、正则表达式

1.1、基本符号

1．点号“.”
点号可以代替除了换行符（\n）以外的任何一个字符，包括但不限于英文字母、数字、汉字、英文标点符号和中文标点符号；

2．星号“*”
一个星号可以表示它前面的一个子表达式（普通字符、另一个或几个正则表达式符号）0次到无限次；

3．问号“?”
问号表示它前面的子表达式0次或者1次。注意，这里的问号是英文问号；

4．反斜杠“\”
反斜杠在正则表达式里面不能单独使用，甚至在整个Python里都不能单独使用。反斜杠需要和其他的字符配合使用来把特殊符号变成普通符号，把普通符号变成特殊符号；如：“\n”。

5．数字“\d”
正则表达式里面使用“\d”来表示一位数字。再次强调一下，“\d”虽然是由反斜杠和字母d构成的，但是要把“\d”看成一个正则表达式符号整体；

6．小括号“()”
小括号可以把括号里面的内容提取出来；

7. ^ 符号
   匹配开始位置，多行模式下匹配每一行的开始;

8. $符号
   匹配结束位置，多行模式下匹配每一行的结束；

9. {m,n}
   匹配前一个元字符m到n次；

1.2、re模块

在python中，使用正则表达式需要引入re模块，re模块中定义了很多对字符串操作的方法
re模块核心函数:

1.2.1、compile()函数

编译正则表达式pattern，返回正则表达式对象,供 match() 和 search() 这两个函数使用；
语法:re.compile(pattern[, flags])
pattern、一个字符串形式的正则表达式
flags : 可选，表示匹配模式，比如忽略大小写，多行模式等，具体参数为：
1、re.I 忽略大小写；
2、re.M 多行模式；
3、re.S 即为 . 并且包括换行符在内的任意字符（. 不包括换行符）；
4、re.X 为了增加可读性，忽略空格和 # 后面的注释；

pattern = re.compile(r'\d+') # 用于匹配至少一个数字
ret = pattern.match('234hjk22lk') # match从开始匹配
print(ret.group() if ret else '没有匹配数据')  # 234

pattern = re.compile(r'\d+')
ret = pattern.match('wasd234hjk22lk')
print(ret.group() if ret else '没有匹配数据')  # 没有匹配数据

1.2.2、match()函数

从字符串的最开始与pattern进行匹配，匹配成功返回匹配对象（只有一个结果），否则返回None；
语法:re.match(pattern, string, flags=0)
pattern、匹配的正则表达式
string、要匹配的字符串
flags、是否区分大小写等匹配方式

ret = re.match('速度与激情\d','速度与激情8')
print(ret.group() if ret else '没有匹配数据')  # 速度与激情8

ret = re.match('速度与激情[12345679]','速度与激情8')
print(ret.group() if ret else '没有匹配数据')  # 没有匹配数据

1.2.3、search()函数

与match()工作的方式一样，但是search()不是从最开始匹配的，而是从任意位置查找第一次匹配的内容。如果所有的字串都没有匹配成功，返回None，否则返回匹配对象；
语法:re.search(pattern, string, flags=0)

ret = re.search(r'\d+','wasd12jkl45op')
print(ret.group() if ret else '没有匹配数据')  # 12

1.2.4、findall()函数

查找字符串中所有出现的正则表达式模式，并返回一个匹配列表；match 和 search 是匹配一次 findall 匹配所有
语法:findall(string[, pos[, endpos]])
1、string : 待匹配的字符串。
2、pos : 可选参数，指定字符串的起始位置，默认为 0。
3、endpos : 可选参数，指定字符串的结束位置，默认为字符串的长度。

pattern = re.compile(r'\d{2}\w')
ret = pattern.findall('www23kkk456ll2k4j5n55b')
print(ret) # ['23k', '456', '55b']

pattern = re.compile(r'\d{2}\w')
ret = pattern.findall('www23kkk456ll2k4j5n55b',4,12)
print(ret) # ['456']

1.3、匹配单个字符

单字符匹配：
1、点.:
点号可以代替除了换行符（\n）以外的任何一个字符;
2、[]:
匹配[]中列举的字符；
3、\d:
匹配数字；
4、\D:
匹配非数字;
5、\s:
匹配空白、空格、tab键;
6、\S:
匹配非空白;
7、\w:
匹配单词字符；
8、\W:
匹配非单词字符;

ret = re.match(r'速度与激情.','速度与激情')
print(ret.group() if ret else '没有匹配数据') # 没有匹配数据

ret = re.match(r'速度与激情.','速度与激情1')
print(ret.group() if ret else '没有匹配数据') # 速度与激情1

ret = re.match(r'速度与激情.','速度与激情A')
print(ret.group() if ret else '没有匹配数据') # 速度与激情A

ret = re.match(r'速度与激情.','速度与激情!')
print(ret.group() if ret else '没有匹配数据') # 速度与激情!

1.4、匹配多个字符

1、*
匹配前一个字符出现>=0次
2、+
匹配前一个字符出现>=1次
3、？
匹配前一个字符出现1次或者0次
4、{m}
匹配前一个字符出现m次
5、{m,n}
匹配前一个字符出现m到n次

ret = re.match('[A-Za-z]*','Ww')
print(ret.group() if ret else '没有匹配数据') # Ww

ret = re.match('[A-Za-z]+','WwwW')
print(ret.group() if ret else '没有匹配数据') # WwwW

ret = re.match('[A-Za-z]?','MmMm')
print(ret.group() if ret else '没有匹配数据') # M