正则表达式
- 可以判断用户数据是否符合自己的要求
- 清洗从网站上爬下来的数据
re模块
- 在 Python 中使用正则表达式时，需要用到
re模块，使用如下：
# 导入re模块
import re
# 使用match方法进行匹配操作
result = re.match(正则表达式,要匹配的字符串)
# 如果上一步匹配到数据的话，可以使用group方法来提取数据
result.group()
匹配单个字符
| 字符 | 功能 |
|---|---|
| ^ | 匹配字符串的开头 |
| $ | 匹配字符串的结尾 |
| . | 匹配任意1个字符（除了\n） |
| [ ] | 匹配[ ]中列举的字符 |
| \d | 匹配数字，即0-9 |
| \D | 匹配非数字，即不是数字 |
| \s | 匹配空白，即 空格，tab键 |
| \S | 匹配非空白 |
| \w | 匹配单词字符，即a-z、A-Z、0-9、_ |
| \W | 匹配非单词字符 |
匹配多个字符
| 字符 | 功能 |
|---|---|
| * | 匹配前一个字符出现0次或者无限次，即可有可无 |
| + | 匹配前一个字符出现1次或者无限次，即至少有1次 |
| ? | 匹配前一个字符出现1次或者0次，即要么有1次，要么没有 |
| {m} | 匹配前一个字符出现m次 |
| {m,n} | 匹配前一个字符出现从m到n次 |
匹配分组
| 字符 | 功能 |
|---|---|
| | | 匹配左右任意一个表达式 |
| (ab) | 将括号中字符作为一个分组 |
\num |
引用分组num匹配到的字符串 |
(?P<name>) |
分组起别名 |
| (?P=name) | 引用别名为name分组匹配到的字符串 |
re.match()
- 可实现从头开始匹配
例1：
import re
def main():
"""匹配变量名是否符合要求"""
names = ["age", "_age", "1age", "age1", "age!"]
for name in names:
ret = re.match(r"^[a-zA-z_][a-zA-Z0-9_]*$", name)
if ret:
print("变量名：%s 符合要求...." % name)
else:
print("变量名：%s 不符合要求....." % name)
if __name__ == '__main__':
main()
例2：
import re
def main():
"""匹配163的邮箱地址"""
email = input("请输入邮箱：")
# 反斜杠\转义，可以用.?等
ret = re.match(r"^[0-9a-zA-Z_]{4,20}@163\.com$", email)
if ret:
print("%s 符合要求，匹配后的结果是：%s" % (email, ret.group()))
else:
print("%s 符合要求，请正确输入...")
if __name__ == '__main__':
main()
例3
import re
# 能够完成对正确的字符串的匹配
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</html>")
print(ret.group())
# 如果遇到非正常的html格式字符串，匹配出错
ret = re.match("<[a-zA-Z]*>\w*</[a-zA-Z]*>", "<html>hh</htmlbalabala>")
print(ret.group())
# 正确的理解思路：如果在第一对<>中是什么，按理说在后面的那对<>中就应该是什么
# 通过引用分组中匹配到的数据即可，但是要注意是元字符串，即类似 r""这种格式
ret = re.match(r"<([a-zA-Z]*)>\w*</\1>", "<html>hh</html>")
print(ret.group())
re.search()
- 不会从头开始匹配
import re
ret = re.search(r"\d+", "阅读次数为 9999")
ret.group()
运行结果：
'9999'
re.findall()
- 该方法直接返回一个列表，不需用
group()
import re
ret = re.findall(r"\d+", "python = 9999, c = 7890, c++ = 12345")
print(ret)
运行结果：
['9999', '7890', '12345']
re.sub()
- 将匹配到的数据进行替换，不需要用
group()
import re
ret = re.sub(r"\d+", '998', "python = 997")
print(ret)
运行结果：
python = 998
- 用函数
import re
def add(temp):
strNum = temp.group()
num = int(strNum) + 1
return str(num)
ret = re.sub(r"\d+", add, "python = 997")
print(ret)
ret = re.sub(r"\d+", add, "python = 99")
print(ret)
运行结果：
python = 998
python = 100
re.split()
- 根据匹配进行切割字符串，并返回一个列表，不需要用
group()
import re
# 按：或者空格 来切割
ret = re.split(r":| ","info:xiaoZhang 33 shandong")
print(ret)
运行结果：
['info', 'xiaoZhang', '33', 'shandong']
END….