崇尚的学习思维是：输入，输出平衡，且维持平衡点不断精进的地步
曾经有大神告诫说：没事别瞎写文章；为此写的都是，在我能力范围内的
1：框架
| 序号 | 章节 | 解释 |
|---|---|---|
| 01 | 概念解释 | 概念是理解和精进的第一步 |
| 02 | 语法解释 | 2/8法则，解释使用最频繁的语法 |
| 03 | 代码实例 | 对博客内容进行使用正则表达式匹配 |
| 04 | 参考及说明 | 参考列表 |
2：概念
- 什么是正则表达式？
正则表达式，又称正规表示式、正规表示法、正规表达式、规则表达式、常规表示法（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。
用自己的话复述：正则表达式是一种匹配文本的工具，由字符串和特殊字符组成。相当于一种过滤器，不符合要求的被过滤掉。
- 眼见为实
\bhi\b.*\bLucy\b这是个正则表达式
3：语法
| 记号 | 说明 | 示例 |
|---|---|---|
| literal | 匹配字符串的值 | wuxiaoshen |
| . | 匹配任意字符(除换行符之外) | wu.iaoshen |
| ^ | 匹配字符串的开始 | ^wuxiaoshen |
| $ | 匹配字符串的结尾 | wuxiaoshen$ |
| * | 匹配前面出现0次或者多次的 | wu*xiaoshen |
| + | 匹配前面出现1次或者多次 | wu+xiaoshen |
| ? | 匹配前面出现零次或者1次 | wu?xiaoshen |
| {N} | 匹配前面出现的正则表达式N次 | [0-9]{2} |
| {M,N} | 匹配前面出现的正则表达式M到N次之间 | [0-9]{3,8} |
| [ ] | 匹配里面内容的任意一个字符 | wu[xyz]iaoshen |
| [x-y] | 匹配任意之间的一个值 | [0-9] |
| [^..] | 不匹配里面内容任意值 | [^0-9] |
| () | 匹配封闭括号中正则表达式，并保存为子组 | （wuxiaoshen） |
| 特殊字符 | 特殊字符 | 特殊字符 |
| \d | 匹配数字 | data\d.txt |
| \w | 匹配任何数字字母字符 | [wuxiao]\w+ |
| \s | 匹配空白符 | of\sthe |
| \b | 匹配单词的边界 | \bwuxiaoshen\b |
| \D | 不匹配数字 | |
| \W | 不匹配数字字母字符 | |
| \S | 匹配任意不是空白符的字符 | |
| \B | 匹配不是单词开头或结束的位置 |
看不懂，那算了。
通杀型组合：（.*？）
括号里是你想要的内容，那就使用这个，后面会代码演示。
正则里有个贪婪还是非贪婪的概念：白话点说，贪婪就是匹配的尽可能长，非贪婪就是匹配符合要求的最短的。
- 眼见为实
pattern = "http://mindhacks.cn/"
mind_pattern_1 = "mind"
mind_pattern_2 = "[m].*?d"
mind_pattern_3 = r"//(.*?)h"
mind_pattern_4 = r"[mind]{4}"
还可以想出各种，都是上面的基本语法的组合
上面是已知匹配信息，想出匹配规则，匹配出规定字符
- 实例:
主观题：
匹配QQ号码:
匹配出手机号码：
匹配出IP：
QQnumber_pattern = '[1-9][0-9]{4,}'
tellnumber_pattern = '0?(13[0-9]|15[012356789]|17[0678]|18[0-9]|14[57])[0-9]{8}'
IPnumber_pattern = '((?:(?:25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d))).){3}(?:25[0-5]|2[0-4]\d|((1\d{2})|([1-9]?\d))))'
IPnumber_pattern_2 = '\d+\.\d+\.\d+\.\d+'
个人理解，能匹配出绝大数，但可能还不够完美.
4：代码实例
先介绍个python模块：re
| 模块函数 | 描述 |
|---|---|
| match(pattern, string, flag) | 匹配以pattern开始的字符串 |
| search(pattern, string, flag) | 匹配第一符合要求的字符串，其他还符合，不管 |
| findall(pattern, string, flag) | 匹配全部符合要求的字符串 |
| split(pattern, string, flag) | 按格式进行切分 |
| sub(pattern, repl, string, flag) | 替换掉符合要求的字符串，常用来替换网址的组成 |
# 假设你对下面这个博客首页的文章的标题感兴趣.
import re
import requests
# 先缩小范围，再在缩小的范围内进行匹配
url_one = "http://www.geekonomics10000.com/author/admin"
html = requests.get(url_one)
response = html.text
#<h3 id="post-967" class="post-title"><a href="http://www.geekonomics10000.com/967" rel="bookmark" title="Permanent Link to 特朗普是极右狂人？其实共和党候选人里，他最温和">特朗普是极右狂人？其实共和党候选人里，他最温和</a></h3>
content = r'h3\sid(.*?)</h3>'
#title="Permanent Link to 特朗普是极右狂人？其实共和党候选人里，他最温和">特朗普是极右狂人？其实共和党候选人里，他最温和</a></h3>
little_title = r'title=.*?>(.*?)</a>'
all_title = re.findall(content, response, re.S)
title_content = re.findall(little_title, str(all_title), re.S)
for one in title_content:
print(one)
# output
---
别指望灵感，还是要靠汗水 ——“创造性思维”的三个迷信
特朗普是极右狂人？其实共和党候选人里，他最温和
超强记忆力是个邪道功夫
我的新书《智识分子：做个复杂的现代人》
2016新年荐书
美国人说的圣贤之道
---
查看网页源代码：推荐chrome浏览器
# 假设你想匹配首页的课程图片
# -*- coding:utf-8 -*-
# To: regular expression
# Author: wuxiaoshen
import re
import requests
class TestRe(object):
"""
使用正则表达式抓取imooc课首页网站的图片：并下载至002 JPG文件夹下
"""
def __init__(self):
pass
def download(self):
url = "http://www.imooc.com/course/list"
html = requests.get(url)
response = html.text
listurl = re.findall(r'http://.+.jpg',response)
print(listurl)
i = 0
for one in listurl:
with open("002 JPG\\"+str(i)+".jpg","wb") as f:
cont = requests.get(one)
print(cont)
f.write(cont.content)
i += 1
f.close()
pass
if __name__=="__main__":
download = TestRe()
download.download()
pass
4：参考及备注
如何练习正则表达式：
- Notepad++ 文本编辑器 的查找可以使用正则匹配
1461750504276.png
- 还有在线的正则表达式测试工具
- chrome 还是正则匹配的插件Regular Expression Checker
关于本人：
国内小硕，半路出家的IT学习者
感兴趣领域：爬虫与数据科学
理念： 持续精进
Github:wuxiaoshen
weibo:乌小小申
网友评论