正则表达式学习

1. 什么是正则表达式

1. 正则表达式（简称为regex）是由字符和特俗符合组成的字符串

2. 能够按照某种模式匹配一系列有相似特征的字符串

   [工具]

2. 正则表达式中的符号

符号	描述	示例	正则	测试案例	结果
literal	匹配文本字符串的字面值literal	foo	aab	aabbs	aab
re1|re2	匹配正则表达式re1或者re2	foo|name	aa	bsaabbs	aa bs
.	匹配任何字符（除了\n之外）	b.b^	aab.	aabbs	aabb
^	匹配字符串起始部分	^Name
$	匹配字符串结束部分	name$
*	匹配0次或者多次前面出现的正则表达式	[A-Za-z0-9]*
+	匹配1次或者多次前面出现的正则表达式	[a-z]+.\com
?	匹配0次或者1次前面出现的正则表达式	name?
{N}	匹配N次前面出现的正则表达式	[0-9]{3}
{M,N}	匹配M-N次前面出现的正则表达式	[0-9]{5,9}
[…]	匹配来自字符集的任意单一字符	[name]
[…x-y…]	匹配x-y范围中的任意单一字符	[0-9],[A-Za-z]
[^…]	不匹配此字符集中出现的任何个一个字符，包括某一范围的字符（如果在此字符集中出现）	[name],[A-Za-z0-9]
(*|+|?|{})?	用于匹配上面频繁出现/重复出现符合的非贪婪版本(*、+、？、{})	.*?[0-9]
(…)	匹配封闭式的正则表达式，然后另存为子组	([0-9]{3})?,f(oo|u)bar

3. 正则表达式中的特殊字符

匹配特俗字符需要\转义

特殊字符	描述	示例	正则	测试案例	结果
\d	匹配任何十进制数字，与[0-9]一致（\D与\d相反，不匹配任何非数值型的数字）	data\d+.txt	\w{3}	gaghah3221	322
\w	匹配任何字符数字字符，与[A-Za-z0-9_]相同(\W 与之相反）	[A-Za-z]\w+	\w{3}	gaghah3221	gag hah 322
\s	匹配任何空格字符，与[\t\r\n\v\f]相同（\S与之相反）	of\sthe	h\s{3}3	1h 32	h 3
\b	匹配任何单词边界（\B与之相反）	\bThe\b
\N	匹配已保存的子组N	price:\16
\c	逐字匹配任何特俗字符c(即，仅按照字面意义匹配，不匹配特俗含义)	., \ , *
\A(\Z)	匹配字符串的起始（结束）	\ADear

3.1 特殊字符使用\ 转义

例如: .\com

maicheng.com => .com

3.2 指定匹配选项

3.2.1. 使用[]指定要匹配的集合

[abc]{2} 指定匹配任意abc 两个字符的集合

字符 ： aabbsabc

结果：aa bb ab

3.2.2 使用[^]指定不要匹配的内容

[^abc]{2} 指定不匹配abc 两个字符的集合

字符：aabbs1abc

结果 : s1

3.3 正则表达式分组

3.3.1 重复一个字符串时

3.3.2 使用() 进行分组，使用(?\w+)指定组名

1. (\d{1,3}.){3}\d{1,3} 187.154.251.14 => 187.154.251.14

3.3.3 从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此内推

1. 使用 \1 \2 反向引用

   字符

   He love is small lover
   He like is small liker

   正则

   He (l…) is small \1r

   He (?l…) is small \kr

3.3.4 表达式(A(B©))分组情况解析

0	(A(B©))
1	(A)
2	(B©)
3	©

3.4 贪婪模式和非贪婪模式

3.4.1 贪婪匹配

在整个表达式匹配成功的前提下，尽可能多的匹配

表达式 ： ab.+c

测试数据 ： abassscssscsss

结果 ： abassscsssc

3.4.2 非贪婪匹配

在整个表达式匹配成功的前提下，匹配到就结束

只需要在匹配pattern中加上?

表达式 ： ab.*?c

测试数据 ： abassscssscsss

结果 ： abasssc

3.5 练习

3.5.1 身份证匹配

案例 320723 1887 04 14 7487

1. 前六位区域编号

2. 接下来四位是出生年份

3. 接下来四位月份日期

4. 随后四位

5. 倒数第二位 ： 性别

   表达式 ： \d{17}([0-9]|X)

   第二版 ：(\d{6})(\d{4})((\d{2})(\d{2}))\d{2}\d{1}([0-9]|X)

https://tool.oschina.net/regex)

4. re 模块

属性	描述
re.I re.INGORECASE	不区分大小写的匹配
re.L re.LOCALE	根据所使用的本地语言环境通过\w、\W、\b、\B、\s、\S实现匹配
re.M re.MULTILINE	^和$分配匹配目标i字符串中行的起始和结尾，而不是严格匹配整个字符串本身的起始和和结尾
re.S re.DOTALL	“.”(点号)通常匹配除了\n (换行符)之外的所有单个字符；该标记表示“.”，（点号）能够匹配全部字符
re.X re.VERBOSE	通过反斜线转义，否则所有空格加上# （以及在改行中所有后续文字）都被忽略，除非在一个字符类中或者允许注释并且一高可读性

4.1 compiler

1. compiler(pattern, flags=0)
2. 使用任何可选的标记来编译正则表达式的模式，然后返回一个正则表达式对象
3. 推荐编译，但它不是必须的

4.2 match

1. match(pattern, string, flags=0)

2. 尝试使用带有可选标记的正则表达式的模式来匹配字符串，如果成功，就返回匹配对象，如果匹配失败，就返回None

3. 练习

   import re
   
   pattern = re.compile(r'hello', re.I)
   result = pattern.match('Hello world')
   
   # 输出包含哪些正则
   print(dir(pattern))
   
   print(dir(result))
   
   # 输出结果
   print(result.string)
   

4.3 findall() 的使用

1. findall(pattern, string, [,flags])

2. 查找字符串中使用所有（非重复）出现的正则表达式模式，并返回一个匹配列表

3. 练习

   import re
   
   content = 'one12two32three34four11'
   
   p = re.compile(r'[a-z]+', re.I)
   
   list = p.findall(content, )
   
   print(list)
   

4.4 search的使用

1. search(pattern, string, [,flags])

2.尝试使用带有可选标记的正则表达式的模式来匹配字符串，如果成功，就返回匹配对象，如果匹配失败，就返回None

3. 练习

   import re
   
   pattern = re.compile(r'world', re.I)
   result = pattern.search('Hello world')
   
   # 输出结果
   print(result.string)
   

4.5 group()和groups() 使用

1. group(num) 返回整个匹配对象或编号为num的特定子组

2. groups(): 返回一个包含所有匹配子组的元祖（如果没有成功匹配，则返回一个空元祖）

3. 练习

   import re
   
   pattern = re.compile(r'world', re.I)
   result = pattern.search('Hello world')
   
   
   if result is not None:
       print(pattern.groups)
   
   
   def id_card():
       content = '320723188704147487'
       pattern = re.compile(r'(\d{6})(?P<year>\d{4})((?P<month>\d{2})(\d{2}))\d{2}\d{1}([0-9]|X)')
       result = pattern.search(content)
       print(result.group())
       print(result.group(1))
       print(result.group(5))
       print(result.groupdict(5))
   
   
   
   if __name__ == '__main__':
       id_card()
   

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-u7lb7zPh-1668332297693)(C:\Users\maido\AppData\Roaming\Typora\typora-user-images\image-20221113171059739.png)]

   4.6 spilt 分割

4. spilt (pattern, string, [,flags])

5. 分割字符串中使用所有（非重复）出现的正则表达式模式，并返回一个匹配列表

6. 练习

   import re
   
   content = 'one12two32three34four11'
   
   p = re.compile(r'\d+', re.I)
   
   # 2 表示分割几位
   list = p.split(content, 2)
   
   print(list)
   

4.7 替换

1. sub(spilt (pattern, string, flags=0)

2. 替换字符串中使用所有（非重复）出现的正则表达式模式，并返回一个匹配列表

3. 练习

   import re
   
   content = 'one12two32three34four11'
   
   p = re.compile(r'\d+', re.I)
   
   list = p.sub('@', content)
   
   print(list)
   
   # 替换位置
   s2 = 'hello world'
   p2 = re.compile(r'(\w+) (\w+)')
   
   result = p2.sub(r'\2 \1', s2)
   
   print(result)
   
   
   def f(m):
       """使用函数进行替换规则改变"""
   
       return m.group(2).upper()  + ' '  + m.group(1)
   
   result_sub = p2.sub(lambda m: m.group(2).upper()  + ' '  + m.group(1), s2 )
   
   print(result_sub)
   

4.8 读取页面图片地址

1. <img.+?src=“(.+?)”.+?>