常用模块--- 正则模块 正则表达式 re 模块

Posted 2020-12-28 kcwxx

# 正则模块
# 正则表达式
# re模块

#--------------------------------------- time -----------------------------------------
# 计算时间差
# 做时间格式的转换

# 所有的模块要经历的两个步骤
    # 要操作的概念本身  : 正则表达式  时间
    # 使用模块去操作它  : re         time

# 学习 正则表达式 本身
    # 什么是正则表达式
        # 一种匹配字符串的规则
        # input 一串数据 :
            # 是不是qq号码 : 全数字 5位以上 12位一下,第一位不是零
            # 是不是身份证号 : 18位/15位 第一位不是零 18位的最后一位可能是x或者数字
        # 有一个文件
            # 要你把这个文件中所有的手机号都摘取出来
    # 正则表达式能做什么
        # 可以定制一个规则,
            #1. 来确认某一个字符串是否符合规则
            #2. 从大段的字符串中找到符合规则的内容
        # 程序领域
            # 1.登录注册页的表单验证 web开发 要求简单语法
            # 2.爬虫
                # 爬虫 把这个网页下载下来 从里面提取一些信息,找到我要的所有信息,做数据分析
            # 3.自动化开发 日志分析
# 什么是正则表达式 : 一种匹配字符串的规则

# 明确一件事:
    # 正则表达式是一种独立的语法
    # 和python没关系

# 要先学习正则的语法
# 再学习使用python来操作正则

# 帮助学习的工具 http://tool.chinaz.com/regex/

元字符	匹配内容
.	匹配除换行符以外的任意字符
w	匹配字母或数字或下划线
s	匹配任意的空白符
d	匹配数字
	匹配一个换行符
	匹配一个制表符
	匹配一个单词的结尾
^	匹配字符串的开始
$	匹配字符串的结尾
W	匹配非字母或数字或下划线
D	匹配非数字
S	匹配非空白符
a|b	匹配字符a或字符b
()	匹配括号内的表达式，也表示一个组
[...]	匹配字符组中的字符
[^...]	匹配除了字符组中字符的所有字符

 

 

 

 

量词：

量词	用法说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

 

. ^ $

 

正则	待匹配字符	匹配 结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

. ^ $

正则	待匹配字符	匹配 结果	说明
海.	海燕海娇海东	海燕海娇海东	匹配所有"海."的字符
^海.	海燕海娇海东	海燕	只从开头匹配"海."
海.$	海燕海娇海东	海东	只匹配结尾的"海.$"

 

* + ? { }

正则	待匹配字符	匹配 结果	说明
李.?	李杰和李莲英和李二棍子	李杰 李莲 李二	?表示重复零次或一次，即只匹配"李"后面一个任意字符
李.*	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	*表示重复零次或多次，即匹配"李"后面0或多个任意字符
李.+	李杰和李莲英和李二棍子	李杰和李莲英和李二棍子	+表示重复一次或多次，即只匹配"李"后面1个或多个任意字符
李.{1,2}	李杰和李莲英和李二棍子	李杰和 李莲英 李二棍	{1,2}匹配1到2次任意字符

 注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配

正则	待匹配字符	匹配 结果	说明
李.*?	李杰和李莲英和李二棍子	李 李 李	惰性匹配

 

字符集［］［^］

正则	待匹配字符	匹配 结果	说明
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配一个不是"和"的字符任意次
[d]	456bdha3	4 5 6 3	表示匹配任意一个数字，匹配到4个结果
[d]+	456bdha3	456 3	表示匹配任意个数字，匹配到2个结果

 

分组 ()与 或 ｜［^］

 身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部???数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：

正则	待匹配字符	匹配 结果	说明
^[1-9]d{13,16}[0-9x]$	110101198001017032	110101198001017032	表示可以匹配一个正确的身份证号
^[1-9]d{13,16}[0-9x]$	1101011980010170	1101011980010170	表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字
^[1-9]d{14}(d{2}[0-9x])?$	1101011980010170	False	现在不会匹配错误的身份证号了 ()表示分组，将d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次
^([1-9]d{16}[0-9x]|[1-9]d{14})$	110105199812067023	110105199812067023	表示先匹配[1-9]d{16}[0-9x]如果没有匹配上就匹配[1-9]d{14}

转义符

在正则表达式中，有很多有特殊意义的是元字符，比如d和s等，如果要在正则中匹配正常的"d"而不是"数字"就需要对""进行转义，变成‘\‘。

在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中也有特殊的含义，本身还需要转义。所以如果匹配一次"d",字符串中要写成‘\d‘，那么正则里就要写成"\\d",这样就太麻烦了。这个时候我们就用到了r‘d‘这个概念，此时的正则是r‘\d‘就可以了。

正则	待匹配字符	匹配 结果	说明
d	d	False	因为在正则表达式中是有特殊意义的字符，所以要匹配d本身，用表达式d无法匹配
\d	d	True	转义之后变成\，即可匹配
"\\d"	‘\d‘	True	如果在python中，字符串中的‘‘也需要转义，所以每一个字符串‘‘又需要转义一次
r‘\d‘	r‘d‘	True	在字符串之前加r，让整个字符串不转义

 

贪婪匹配

贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	r‘d‘	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

几个常用的非贪婪匹配Pattern
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复


.*?的用法

. 是任意字符
* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x

就是取前面任意长度的字符，直到一个x出现

# 字符组 []
# 在一个字符的位置上能出现的内容
# [1bc] 是一个范围
# [0-9][A-Z][a-z]    匹配三个字符
# [abc0-9]           匹配一个字符
# [0-9a-zA-Z]        匹配一个字符

# 18位身份证号
# [1-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9X]



# d == [0-9] 也表示匹配一个字符,匹配的是一个数字
# w == [0-9a-zA-Z_] 也表示匹配一个数字字母下划线
# s == [
 	]  包括回车 空格 和 制表符tab
    # 
  匹配回车
    # 	  匹配制表符
# D  匹配非数字
# W  匹配非数字字母下滑线
# S  匹配非空白

# [dD] [wW] [sS] 匹配所有

# 我写了一个规则是一个完整的规则,不能拆开看
# 从头开始去匹配一个字符串
# 能匹配到多个符合规则的就是多条结果