python基础一 day18 认识正则表达式及探索

心已赠人 2024-04-20 11:05 117阅读 0赞

![1700204-20190830203939840-528932740.png][]       ![1700204-20190830204142550-1345472791.png][]

只和字符串有关系

![1700204-20190830205959220-513416250.png][]

![1700204-20190830211215275-961947612.png][]

![1700204-20190830211544591-992214048.png][]

![1700204-20190830211913506-1193631394.png][]

带上大写就是非

\[\\W\\w\]什么都能匹配上

![1700204-20190830212319384-1117347995.png][]

![1700204-20190830212703780-1250906461.png][]      ![1700204-20190830212938273-26536156.png][]  匹配结尾

![1700204-20190830213026595-1553709448.png][]

![1700204-20190830214358708-154874501.png][]

![1700204-20190830214827664-720167428.png][]

![1700204-20190830215151162-507950232.png][]

先规则在量词，量词只约束它紧跟着的规则

import re
    # findall
    # search
    # match
    
    # ret = re.findall('[a-z]+', 'eva egon yuan')
    #     # 返回所有满足匹配条件的结果,放在列表里
    # print(ret)
    
    # ret = re.search('a', 'eva egon yuan')
    # if ret:
    #     print(ret.group())
    # 从前往后，找到一个就返回,返回的变量需要调用group才能拿到结果
    # 如果没有找到，那么返回None，调用group会报错
    
    # ret = re.match('[a-z]+', 'eva egon yuan')
    # if ret:
    #     print(ret.group())
    # match是从头开始匹配，如果正则规则从头开始可以匹配上，就返回一个变量。
    # 匹配的内容需要用group才能显示
    # 如果没匹配上，就返回None，调用group会报错
    
    # ret = re.split('[ab]', 'abcd')
    # # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
    # print(ret)  # ['', '', 'cd']
    
    # ret = re.sub('\d', 'H', 'eva3egon4yuan4',1)
    #将数字替换成'H'，参数1表示只替换1个
    # print(ret) #evaHegon4yuan4
    
    # ret = re.subn('\d', 'H', 'eva3egon4yuan4')
    # #将数字替换成'H'，返回元组(替换的结果,替换了多少次)
    # print(ret)
    
    # obj = re.compile('\d{3}')
    # #将正则表达式编译成为一个 正则表达式对象，规则要匹配的是3个数字
    # ret = obj.search('abc123eeee') #正则表达式对象调用search，参数为待匹配的字符串
    # print(ret.group())
    # ret = obj.search('abcashgjgsdghkash456eeee3wr2') #正则表达式对象调用search，参数为待匹配的字符串
    # print(ret.group())  #结果 ： 123
    
    # import re
    # ret = re.finditer('\d', 'ds3sy4784a')   #finditer返回一个存放匹配结果的迭代器
    # print(ret)  # <callable_iterator object at 0x10195f940>
    # # print(next(ret).group())  #查看第一个结果
    # # print(next(ret).group())  #查看第二个结果
    # # print([i.group() for i in ret])  #查看剩余的左右结果
    # for i in ret:
    #     print(i.group())
    
    
    import re
    # ret = re.search('^[1-9](\d{14})(\d{2}[0-9x])?$','110105199912122277')
    # print(ret.group())
    # print(ret.group(1))
    # print(ret.group(2))
    
    # import re
    #
    # ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
    # print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
    #
    # ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
    # print(ret)  # ['www.oldboy.com']
    
    ret=re.split("\d+","eva3egon4yuan")
    print(ret) #结果 ： ['eva', 'egon', 'yuan']
    
    ret=re.split("(\d+)","eva3egon4yuan")
    print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']

爬虫的例子：

import re
    from urllib.request import urlopen
    
    def getPage(url):
        response = urlopen(url)
        return response.read().decode('utf-8')
    
    def parsePage(s):
        ret = re.findall(
            '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>'
           '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)评价</span>',s,re.S)
        return ret
    
    def main(num):
        url = 'https://movie.douban.com/top250?start=%s&filter=' % num
        response_html = getPage(url)
        ret = parsePage(response_html)
        print(ret)
    
    count = 0
    for i in range(10):   # 10页
        main(count)
        count += 25

\# url从网页上把代码搞下来  
\# bytes decode ——> utf-8 网页内容就是我的待匹配字符串  
\# ret = re.findall(正则，带匹配的字符串) \#ret是所有匹配到的内容组成的列表

注意：

1 findall的优先级查询：

import re
    
    ret = re.findall('www.(baidu|oldboy).com', 'www.oldboy.com')
    print(ret)  # ['oldboy']     这是因为findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可
    
    ret = re.findall('www.(?:baidu|oldboy).com', 'www.oldboy.com')
    print(ret)  # ['www.oldboy.com']

2 split的优先级查询

ret=re.split("\d+","eva3egon4yuan")
    print(ret) #结果 ： ['eva', 'egon', 'yuan']
    
    ret=re.split("(\d+)","eva3egon4yuan")
    print(ret) #结果 ： ['eva', '3', 'egon', '4', 'yuan']
    
    #在匹配部分加上（）之后所切出的结果是不同的，
    #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项，
    #这个在某些需要保留匹配部分的使用过程是非常重要的。

分组（?P<id>\\d+） i.group("id")

findall的分组优先，（?:\\d）取消分组优先

贪婪模式：回溯算法，会一直找，直到不符合条件了，再往回找

非贪婪模式：把？后面的第一条规则拿在手里，去找第一个符合规则的，就停

网址：https://www.cnblogs.com/Eva-J/articles/7228075.html\#\_label10

转载于:https://www.cnblogs.com/wang-tan/p/11437181.html

[1700204-20190830203939840-528932740.png]: https://img2018.cnblogs.com/blog/1700204/201908/1700204-20190830203939840-528932740.png
[1700204-20190830204142550-1345472791.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/2986008de8134559a5fd3a695aeb076c.png
[1700204-20190830205959220-513416250.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8baed0b5ba694f0e8fb64405a59104e1.png
[1700204-20190830211215275-961947612.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/e3b48eb9f5754de3aa71b104f766592f.png
[1700204-20190830211544591-992214048.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/f5cce81905a44989b3ba1381182b3802.png
[1700204-20190830211913506-1193631394.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/0770621d5b3f45738969740769067848.png
[1700204-20190830212319384-1117347995.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/f973fc0d9b024e82b5cc7806a03da06e.png
[1700204-20190830212703780-1250906461.png]: https://img2018.cnblogs.com/blog/1700204/201908/1700204-20190830212703780-1250906461.png
[1700204-20190830212938273-26536156.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/d722470085054a989aaffb89332b401a.png
[1700204-20190830213026595-1553709448.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/fdd4c725c576408d8da5eb38779a47f6.png
[1700204-20190830214358708-154874501.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8aca4f16b4fa4e578ddd98c59280e7e8.png
[1700204-20190830214827664-720167428.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/66979ba086ab4ddf888e10aa478e2d67.png
[1700204-20190830215151162-507950232.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/cb9ba9ef79354847a359f99b7fa2c4f7.png