正则表达式
正则表达式
又称规则表达式
通常被用来检索、替换那些符合某个模式（规则）的文本
-给定的字符串是否符合正则表达式的过滤逻辑（匹配）
-通过正则表达式，从字符串中获取我们想要的特定的部分
使用场景：
-爬虫
-数据挖掘和分析
假如在字符串 ‘asd23sd5fgg67’ 中提取23,5,6 如何实现
import re a='as23d5s67' m=r'[0-9]+' num=re.findall(m,a) print(num) #['23', '5', '67']
在
hello world 18111234589name:张三,tel:18711001111a='<table><tr>hello world 18111234589<tr><tr><span>name:张三,tel:18711001111</span></tr></table>'
start=a.find('<span>')
end=a.find('</span>')
print(a[start+len('<span>'):end])
re.match(pattern,string,flag=0)
-作用：从字符串的开头开始匹配一个模式
*匹配成功则返回匹配成功的对象
*否则，返回None
-参数说明：
pattern是匹配规则
string是要匹配的字符串
flag：标志位，用于控制正则表达式的匹配方式。比如是否匹配多行，是否区分大小写
re.group([group1,…]) 字符串或者元组
-作用：获得一个或多个分组截获的字符串
-指定多个参数时就会以元组形式返回
-group1可以使用编号，也可以使用别名
-编号0代表匹配整个字符串，默认返回group(0)
-如果没有截获字符串，返回None
-截获了多次的组，返回最后一次截获的字符串
re.groups([default=None])tuple
-作用：以元组形式返回全部分组截获的子串。类似调用re.group（1,2…,last）
-如果没有截获字符串的组，默认返回None
re.search(pattern,str,flags=0)
-作用：扫描整个字符串，返回第一次成功匹配的对象
-如果匹配失败，返回None
import re
print(re.search('a','Aliyun is a').group())
print(re.search('yun','Aliyun is a').group())
print(re.search('yun','Aliyu n is a').group())
输出：
a
yun
报错
re.findall(pattern,str,flags=0)
-作用：获取字符串所有匹配的子串，并以列表形式返回
re.finditer(pattern,str,flags=0)
作用：获取字符串所有匹配的字串，并返回一个迭代器
re.search和re.match区别**
-re.match()从字符串开头开始匹配，如果失败返回None
-re.search()匹配整个字符串，直到找到一个匹配，失败反回None
单字符匹配规则
| 字符 | 功能 |
|---|---|
| . | 匹配任意一个字符（除了\n） |
| [] | 匹配[]中列举的字符 |
| \d | 匹配数字（0-9） |
| \D | 匹配非数字 |
| \w | 匹配字符（A-Z , a-z , 0-9 , _） 跟变量名一样 |
| \W | 取\w的反 |
| \s | 匹配空白字符，比如空格、\tab |
demo：
正则表达式： .
import re
m=re.match('.','a')
print(m.group())
m=re.match('.','abc')
print(m.group())
m=re.match('.','\n')
print(m.group())
输出：
a
a
报错
正则表达式：[]
import re
m=re.match('[c]','city')
print(m.group())
m=re.match('[Cc]','City')
print(m.group())
m=re.match('[0-9]','66city')
print(m.group())
输出：
c
C
6
正则表达式：\d \D
import re m=re.match(r'\d','66city') #最好加上r，因为有时候 print(m.group())
数量匹配规则
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次多次或者无限次，可有可无，可多可少 |
| + | 匹配前一个字符出现1次多次或无限次，直到出现一次 |
| ？ | 匹配前一个字符出现1次或0次，要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,} | 匹配前一个字符至少出现m次 |
| {m,n} | 匹配前一个字符出现m到n次 |
import re
m=re.match('[A-Z][a-z]*','Aasd')
print(m.group())
m=re.match('[A-Z][a-z]*','AAasd')
print(m.group())
输出：
Aasd
A
import re
pattern=input('输入匹配规则：')
sr=input('输入匹配字符串')
m=re.match(pattern,sr)
print(m.group())
#输入匹配规则：1[35678]\d{9}
#输入匹配字符串13423456789
#13423456789
表示边界
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串开头 |
| $ | 匹配字符串结尾 |
| \b | 匹配一个单词的边界 |
| \B | 匹配非单词的边界 |
匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| （ab） | 将括号中的字符作为一个分组 |
| \num | 引用分组num匹配到的字符串 |
| （？P） | 分组起别名 |
| （？P=name） | 引用别名为name分组匹配到的字符串 |
import re pattern='<h1>(.*)<h1>' #分组 sr='<h1>hello world!<h1>' m=re.match(pattern,sr) print(m.group()) print(m.group(1)) 输出： <h1>hello world!<h1> hello world!
