正则表达式

Posted 2021-01-28 chenprice

　　#最近简单学习了爬虫的基础，看到了正则表达式的一点用法，写在这里记录一下。

　　很有趣的一句话：如果一个问题可以用正则表达式解决，那么现在就有两个问题了

　　在python中正则表达式可以用来按照规则查找字符串，它是用re模块实现的

　　1、查找给定字符串

import re
print(re.search(r‘chen‘,‘pricechen‘))

<re.Match object; span=(5, 9), match=‘chen‘>
#span（范围）是按照序列的顺序给定的，match即为匹配的字符串

　　2、通配符

　　通配符就是（可以匹配除了换行符以外的所有字符）的字符，在python中通配符为"."

print(re.search(r‘chen...‘,‘pricechen123‘))

<re.Match object; span=(5, 12), match=‘chen123‘>
#可以看到这里使用三个"..."匹配了”123“三个字符

print(re.search(r‘ri..ch‘,‘pricechen‘))
<re.Match object; span=(1, 7), match=‘ricech‘>
#这里的".."匹配了字符"ce"

#通配符"."可以匹配一切字符，那么当需要匹配符号"."时应该怎么办，这里使用"."来匹配

print(re.search(r‘.‘,‘pricechen.txt‘))
<re.Match object; span=(9, 10), match=‘.‘>

　　3、在python中称拥有特殊能力的符号（比如"."）为元字符，""（反斜杠）可以解除元字符的特殊能力，使其变成普通字符，当然，""也可以使得部分普通字符具有特殊能力，比如"d"

print(re.search(r‘ddd‘,‘price123chen‘))

<re.Match object; span=(5, 8), match=‘123‘>
#三个d匹配了三个数字，单个d就会匹配单个数字

　　4、字符类匹配，只要字符串中含有待匹配括号中字符，那么就是匹配到了，但是只会匹配第一个字符

print(re.search(r‘[1ce]‘,‘price123chen‘))

<re.Match object; span=(3, 4), match=‘c‘>

#还可以用范围来表示需要查找的字符
print(re.search(r‘[3-4]‘,‘price3chen‘))
<re.Match object; span=(5, 6), match=‘3‘>

#其实这里不写中间的"-"也可以匹配，但是仅限于匹配数字的范围

　　5、重复匹配字符

print(re.search(r‘e{3}‘,‘priceeechen‘))

<re.Match object; span=(4, 7), match=‘eee‘>

#还有一种是表示重复匹配次数的范围

print(re.search(r‘e{2,3}‘,‘priceeechen‘))

　<re.Match object; span=(4, 7), match=‘eee‘>

　　练习

　　1、使用正则表达式来匹配数字0~255之间的任意一个数

我们可能想到使用ddd来匹配，这可以用来匹配三位数
print(re.search(r‘ddd‘,‘255‘))
但是两位数或者一位数字就没办法匹配了
所以，匹配数字范围的方法是：
。。。
。。。
。。。
。。。
划重点
。。。
。。。

"[01]{0,1}d{0,1}d|2[04]d|25[05]"

1、三个或号代表三部分，第一部分"[01]{0,1}d{0,1}d"代表筛选0~199，其中"[01]{0,1}"代表第一位数为0或1，重复的次数为0次或一次（即可能出现也可能不出现）。
　"d{0,1}"代表第二位数字在0~9之间，可能出现也可能不出现，"d"代表第三位数字也在0~9之间，但是一定会出现。
2、第二部分“2[04]d“代表200~249，"2"代表三位数2是百位,"[04]"代表十位的数在0~4之间,"d"代表个位的数在0~之间。
3、第三部分"25[05]"代表230~255，"2"代表百位,"5"代表十位,"d"代表个位
我们将255这个数分为三部分，才能将这个数完整用正则表达式表达出来。

　　2、使用正则表达式表达IP地址192.168.1.1

#首先来看源代码
print(re.search(r‘(([01]{0,1}d{0,1}d|2[04]d|25[05]).){3}([01]{0,1}d{0,1}d|2[04]d|25[05])‘,‘200.255.1.123‘))
分析：我们将ip地址分为四个部分（192.）（168.）（1.）（1），其中每个部分都在数字0~255之间，但是前面三个部分都是重复的，所以我们将前面三个部分加一个重复值
　　　就{3}可以了，但是每个部分不仅仅是数字，还有"."符号，因此每个部分里面加上它,就变成([01]{0,1}d{0,1}d|2[04]d|25[05]).){3}，第四个部分就是0
　　　到255之间，我们可以直接在后面加上它，并为其添加括号，最终所得到的正则表达式就是：
　　　(([01]{0,1}d{0,1}d|2[04]d|25[05]).){3}([01]{0,1}d{0,1}d|2[04]d|25[05])