20170502 匹配单个字符串

Posted 2020-09-15 云ime

为了方便爬虫，最近学习了正则表达式，将学习的过程记录如下：

一、正则表达式的概念：

1.使用单个字符串来描述匹配一系列符合某个句子语法规则的字符串

2.是对字符串操作的一种逻辑公式

3.应用来处理文本和数据

4.表达过程：依次拿出表达式和文本中的字符比较，如果每一个字符都能匹配，则匹配成功，否则匹配失败

 

二、匹配单个字符串

import re

ma = re.match(r\'a\',\'a\')#匹配a字符
print(ma)
print(ma.group())

mb = re.match(r\'a\',\'b\')#匹配a字符
print(mb)#匹配不到

m = re.match(r\'.\',\'c\')#匹配任意字符
print(m)
print(m.group())

mz = re.match(r\'[a-z]\',\'F\',re.I)#匹配a到z中的任一字符，且忽视大小写
#或者mz = re.match(r\'[a-zA-Z0-9]\',\'F\',re.I)  可以匹配a-z，A-Z，0-9中的任一字符
print(mz)
print(mz.group())

mbracket = re.match(r\'[\\w]\',\'[a]\')#由于[...]已经被定义为匹配字符集了，所以用该方法匹配中括号里面的a不行
print(mbracket)#
mbracket1 = re.match(r\'\\[[\\w]\\]\',\'[a]\')#匹配中括号里面的a需要用该种方法
print(mbracket1)#
print(mbracket1.group())

二、匹配多个字符串

import re
ma = re.match(r\'[A-Z][a-z]\',\'Bc\')
print(ma)
print(ma.group())
mb = re.match(r\'[A-Z][a-z]\',\'B\')#匹配出来为None ，不能匹配单个字符了
print(mb)
mz = re.match(r\'[A-Z][a-z]*\',\'Bcdascxzdsa\')# *号匹配前一字符0次或无限次
print(mz)
print(mz.group())

m99 = re.match(r\'[1-9]?[0-9]\',\'78\')#匹配0-99的任一数字
m9 = re.match(r\'[1-9]?[0-9]\',\'7\')#？表示出现0次或者1次
print(m9)
print(m99)
print(m99.group())

m6 = re.match(r\'[0-9a-zA-Z]{6}\',\'dsaf21\')#匹配单词字符6次
m6 = re.match(r\'[\\w]{6}\',\'dsaf21\')#或者使用\\w
print(m6)

mail = re.match(r\'[\\w]{6,10}@163.com\',\'[e-mail]\')#匹配含有6-10个字符的163邮箱
print(mail)
print(mail.group())

四、匹配字符串开头或者结尾

import re
mail = re.match(r\'[\\w]{6,10}@163.com\',\'[e-mail]1234\')
print(mail.string) #这样也是可以匹配到的

ma1 = re.match(r\'^[\\w]{4,10}@(163|126).com$\',\'[e-mail]123\')#S表示必须以@163|126.com结尾
print(ma1) #这样就没法匹配到字符串了
ma2 = re.match(r\'^[\\w]{4,10}@(163|126).com$\',\'[e-mail]\')
print(ma2)#122.com也不能匹配到

ma3 = re.match(r\'\\Aimooc[\\w]*\',\'imoocpython\')# \\A表示必须以 imooc 开头
print(ma3.string)
ma4 = re.match(r\'\\Aimooc[\\w]*\',\'iimoocpython\')
print(ma4)# iimooc就没法匹配到

五、常用函数search、findall、sub、split
1.#search查找字符串中匹配到的第一次出现的位置

import re
str1 = \'imooc videonum = 1000\'
print(str1.find(\'1000\')) #find只能查找指定字符串，如果字符串改变就不能查找
info = re.search(r\'\\d+\',str1)#\\d表示查找数字
print(info.group())

2.#find 查找所有匹配，并把匹配的值返回到列表中

str2 = \'c++=100,java=90,python=80\'
info_search = re.search(r\'\\d+\',str2)
info_findall = re.findall(r\'\\d+\',str2)
print(info_search.group(),\'\\n\',info_findall)#search只能匹配到一个值，而findall返回一个包含所有值的列表
print(sum(int(x) for x in info_findall))#使用列表解析进行求和

3.#sub用于替换字符串 sub(pattern,repl,string,count=0,flags=0)

①#当repl为字符串时
str1 = \'imooc videonum = 1000\'
str2 = \'c++=100,java=90,python=80\'
info1 = re.sub(r\'\\d+\',\'1001\',str1)
info2 = re.sub(r\'\\d+\',\'1001\',str2)
print(info1,\'\\n\',info2)

②#当repl为函数时
def add1(pipei):#定义函数
    val = pipei.group()#  pipei是pattern从string中匹配到的值，需要使用group来调用这个match
    num = int(val)+1
    return str(num)#需要返回一个str，int型不能传回字符串
info_add1 = re.sub(r\'\\d+\',add1,str1)
print(info_add1)

info_add2 = re.sub(r\'\\d+\',add1,str2)# sub实现的是findall的功能，能对所有匹配到的字符进行处理
print(info_add2)

4.split根据匹配到的字符串来分割字符，返回分割字符串组成的列表

split(pattern,string,maxsplit=0,flag=0)

import re
str4 = \'imooc:C C++ Java Python\'
info_split1 = re.split(r\':| \',str4)#将字符串str4 按:或者空格 进行分割
print(info_split1)

str5 = \'imooc:C C++ Java Python,C#\'
info_split2 = re.split(r\':| |,\',str5)
print(info_split2)#按照冒号: 空格 或者逗号,进行分割成列表