正则表达式

Posted 2023-02-23 离落想AC

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

# -*- coding: UTF-8 -*-
# @Time : 2021/5/25 21:13
# @Author : 李如旭
# @File ：retext.py
# @Software: PyCharm

import re
# 正则表达式：字符串模式 （判断字符串是否符合一定的标准）

pat = re.compile("AA")
#此处的AA是正则表达式用来去验证其他字符。
m = pat.search("cbAA")

#findall用法：
print(m)

print("找出所有a：")
print(re.findall("a","ASDASDDSFFFAa"))

print("找出所有大写字母单个输出：")
print(re.findall("[A-Z]","asjBDJHdmalDD"))

print("找出所有大写字母连续输出：")
print(re.findall("[A-Z]+","ADsdFASsdsDA"))


#sub用法

print("把第三个式子里的a换成A:")
print(re.sub("a","A","abcdcasd"))

# -*- coding: UTF-8 -*-
# @Time : 2021/5/31 20:49
# @Author : 李如旭
# @File ：reyufa.py
# @Software: PyCharm

import re

#基础：

# #  findall : 匹配字符串中的所有的符合正则的内容
# lst = re.findall(r"\\d+","我的电话是10086，我女朋友的电话是10010")
# print(lst)
#
# #  finditer : 匹配字符串中所有的内容[返回的是迭代器]，从迭代器中拿到内容需要用.group()
# it = re.finditer(r"\\d+","我的电话是10086，我女朋友的电话是10010")
# for i in it :
#     print(i.group())
#
# #  search : 全文检索但是找到一个结果就返回，返回对象是match对象，拿数据要.group()
# s = re.search(r"\\d+","我的电话是10086，我女朋友的电话是10010")
# print(s.group())
#
# # match : 从头开始匹配 匹配不到就完蛋！！！
# s = re.match(r"\\d+","我的电话是10086，我女朋友的电话是10010")
# print("报错"+s.group())
#
# s1 = re.match(r"\\d+","10086，我女朋友的电话是10010")
# print("不报错："+s1.group())


#进阶：

#预加载正则表达式

obj = re.compile(r"\\d+")
ret = obj.finditer("我的电话是10086，我女朋友的电话是10010")
for it in ret:
    print(it.group())

ret = obj.findall("呵呵哒大马路了你打开234345的命令卡")
print(ret)

爬取豆瓣电影TOP250 名字，年份，评分，评价人数

# -*- coding: UTF-8 -*-
# @Time : 2021/5/31 21:10
# @Author : 李如旭
# @File ：豆瓣排行榜.py
# @Software: PyCharm

import re
import requests
import csv

url ="https://movie.douban.com/top250"

head = 
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/90.0.4430.212 Safari/537.36"

rsp = requests.get(url=url,headers=head)
html = rsp.text

#print(html)

#爬取名字

# # #法一：
# name = re.finditer(r'<li>.*?<div class="item">.*?<span class="title">(?P<name>.*?)</span>',html,re.DOTALL)
# for i in name:
#     print(i.group("name"))
#
# # #法二：
# obj = re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<name>.*?)</span>',re.S)
# result = obj.finditer(html)
# for it in result :
#     print(it.group("name"))
#
# #法三：
#
# name = re.findall(r'<li>.*?<div class="item">.*?<span class="title">(.*?)</span>',html,re.S)
# print(name)



#爬取名字、年份、评分、
obj = re.compile(r'<li>.*?<div class="item">.*?<span class="title">(?P<name>.*?)'
                 r'</span>.*?<p class="">.*?<br>(?P<year>.*?)&nbsp.*?'
                 r'<span class="rating_num" property="v:average">(?P<score>.*?)</span>.*?'
                 r'<span>(?P<number>.*?)</span>', re.S)
result = obj.finditer(html)
for it in result:
    print(it.group("name"))
    print(it.group("year").strip())
    print(it.group("score"))
    print(it.group("number"))