一、re模塊和正則表達(dá)式

先來看一個例子：https://reg.jd.com/reg/person?ReturnUrl=https%3A//www.jd.com/

這是京東的注冊頁面，打開頁面我們就看到這些要求輸入個人信息的提示。假如我們隨意的在手機(jī)號碼這一欄輸入一個11111111111，它會提示我們格式有誤。這個功能是怎么實(shí)現(xiàn)的呢？假如現(xiàn)在你用python寫一段代碼，類似：

phone_number = input(’please input your phone number ： ’)

你怎么判斷這個phone_number是合法的呢？

根據(jù)手機(jī)號碼一共11位并且是只以13、14、15、18開頭的數(shù)字這些特點(diǎn)，我們用python寫了如下代碼：

# 方式一 判斷號碼是否合法# -*- coding:utf-8 -*-while True: phone_number = str(input(’please input your phone number ： ’)) if len(phone_number) == 11 and phone_number.isdigit() and (phone_number.startswith(’13’) or phone_number.startswith(’14’) or phone_number.startswith(’15’) or phone_number.startswith(’18’)): print(’是合法的手機(jī)號碼’) else: print(’不是合法的手機(jī)號碼’)

# 方式二 判斷號碼是否合法# -*- coding:utf-8 -*-import rephone_number = str(input(’please input your phone number ： ’))if re.match(’^(13|14|15|18)[0-9]{9}$’,phone_number): print(’是合法的手機(jī)號碼’)else: print(’不是合法的手機(jī)號碼’)

正則表達(dá)式不僅在python領(lǐng)域，在整個編程屆都占有舉足輕重的地位。

不管以后你是不是去做python開發(fā)，只要你是一個程序員就應(yīng)該了解正則表達(dá)式的基本使用。如果未來你要在爬蟲領(lǐng)域發(fā)展，你就更應(yīng)該好好學(xué)習(xí)這方面的知識。

但是你要知道，re模塊本質(zhì)上和正則表達(dá)式?jīng)]有關(guān)系。re模塊和正則表達(dá)式的關(guān)系 類似于time模塊和時間的關(guān)系。時間有自己的格式，年月日時分秒，12個月，365天......已經(jīng)成為了一種規(guī)則。正則表達(dá)式本身也和python沒有什么關(guān)系，就是匹配字符串內(nèi)容的一種規(guī)則。官方定義：正則表達(dá)式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規(guī)則字符串”，這個“規(guī)則字符串”用來表達(dá)對字符串的一種過濾邏輯。

二、正則表達(dá)式

在線測試工具 http://tool.chinaz.com/regex/

首先談到正則，就只和字符串相關(guān)了。在我給你提供的工具中，你輸入的每一個字都是一個字符串。其次，如果在一個位置的一個值，不會出現(xiàn)什么變化，那么是不需要規(guī)則的。比如你要用'1'去匹配'1'，或者用'2'去匹配'2'，直接就可以匹配上。這連python的字符串操作都可以輕松做到。那么在之后我們更多要考慮的是在同一個位置上可以出現(xiàn)的字符的范圍。

2.1 字符組

字符組 ： [字符組]在同一個位置可能出現(xiàn)的各種字符組成了一個字符組，在正則表達(dá)式中用[]表示字符分為很多類，比如數(shù)字、字母、標(biāo)點(diǎn)等等。假如你現(xiàn)在要求一個位置'只能出現(xiàn)一個數(shù)字',那么這個位置上的字符只能是0、1、2...9這10個數(shù)之一。

正則 待匹配字符 匹配 結(jié)果 說明 [0123456789] 8 True 在一個字符組里枚舉合法的所有字符，字符組里的任意一個字符 和'待匹配字符'相同都視為可以匹配 [0123456789] a False 由于字符組中沒有'a'字符，所以不能匹配 [0-9] 7 True 也可以用-表示范圍,[0-9]就和[0123456789]是一個意思 [a-z] s True 同樣的如果要匹配所有的小寫字母，直接用[a-z]就可以表示 [A-Z] B True [A-Z]就表示所有的大寫字母 [0-9a-fA-F] e True 可以匹配數(shù)字，大小寫形式的a～f，用來驗(yàn)證十六進(jìn)制字符 2.2 元字符 元字符 匹配內(nèi)容 . 匹配除換行符以外的任意字符 w 匹配字母或數(shù)字或下劃線 s 匹配任意的空白符 d 匹配數(shù)字 n 匹配一個換行符 t 匹配一個制表符 b 匹配一個單詞的結(jié)尾 ^ 匹配字符串的開始 $ 匹配字符串的結(jié)尾 W 匹配非字母或數(shù)字或下劃線 D 匹配非數(shù)字 S 匹配非空白符 a|b 匹配字符a或字符b () 匹配括號內(nèi)的表達(dá)式，也表示一個組 [...] 匹配字符組中的字符 [^...] 匹配除了字符組中字符的所有字符 2.3 量詞 量詞 用法說明 * 重復(fù)零次或更多次 + 重復(fù)一次或更多次 ? 重復(fù)零次或一次 {n} 重復(fù)n次 {n,} 重復(fù)n次或更多次 {n,m} 重復(fù)n到m次 2.3.1 . ^ $ 正則 待匹配字符 匹配 結(jié)果 說明 小. 小明小軍小蘭 小明小軍小蘭 匹配所有'小.'的字符 ^小. 小明小軍小蘭 小明 只從開頭匹配'小.' 小.$ 小明小軍小蘭 小蘭 只匹配結(jié)尾的'小.$' 2.3.2 * + ? { } 正則 待匹配字符 匹配 結(jié)果 說明 小.? 小明和小李子和小巧玲瓏

小明 小李 小巧

?表示重復(fù)零次或一次，即只匹配'小'后面一個任意字符 小.* 小明和小李子和小巧玲瓏 小明和小李子和小巧玲瓏 *表示重復(fù)零次或多次，即匹配'小'后面0個或多個任意字符 小.+ 小明和小李子和小巧玲瓏 小明和小李子和小巧玲瓏 +表示重復(fù)一次或多次，即只匹配'小'后面1個或多個任意字符 小.{1,2} 小明和小李子和小巧玲瓏

小明和 小李子 小巧玲

{1,2}匹配1到2次任意字符

注意：前面的*,+,?等都是貪婪匹配，也就是盡可能匹配，后面加?號使其變成惰性匹配

正則 待匹配字符 匹配 結(jié)果 說明 小.*? 小明和小李子和小巧玲瓏 小 小 小 惰性匹配 2.4 字符集［］［^］ 正則 待匹配字符 匹配 結(jié)果 說明 小[明李子巧玲瓏]* 小明和小李子和小巧玲瓏

小明 小李子 小巧玲瓏

表示匹配'小'字后面[明李子巧玲瓏]的字符任意次 小[^和]* 小明和小李子和小巧玲瓏

小明 小李子 小巧玲瓏

表示匹配一個不是'和'的字符任意次 [d] 456bdha3

4 5 6 3

表示匹配任意一個數(shù)字，匹配到4個結(jié)果 [d]+ 456bdha3

456 3

表示匹配任意個數(shù)字，匹配到2個結(jié)果

p.p1 { margin: 0; font: 12px '.PingFang SC'; color: rgba(69, 69, 69, 1) }

2.5 分組 ()與 或 ｜［^］

身份證號碼是一個長度為15或18個字符的字符串，如果是15位則全部由數(shù)字組成，首位不能為0；如果是18位，則前17位全部是數(shù)字，末位可能是數(shù)字或x，下面我們嘗試用正則來表示：

正則 待匹配字符 匹配 結(jié)果 說明 ^[1-9]d{13,16}[0-9x]$ 110101198001017032

110101198001017032

表示可以匹配一個正確的身份證號 ^[1-9]d{13,16}[0-9x]$ 1101011980010170

1101011980010170

表示也可以匹配這串?dāng)?shù)字，但這并不 是一個正確的身份證號碼，它是一個 16位的數(shù)字 ^[1-9]d{14}(d{2}[0-9x])?$ 1101011980010170

False

現(xiàn)在不會匹配錯誤的身份證號了 ()表示分組，將d{2}[0-9x]分成 一組，就可以整體約束他們出現(xiàn)的 次數(shù)為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] 如果沒有匹配上就匹配 [1-9]d{14} 2.6 轉(zhuǎn)義符

在正則表達(dá)式中，有很多有特殊意義的是元字符，比如d和s等，如果要在正則中匹配正常的'd'而不是'數(shù)字'就需要對''進(jìn)行轉(zhuǎn)義，變成’’。

在python中，無論是正則表達(dá)式，還是待匹配的內(nèi)容，都是以字符串的形式出現(xiàn)的，在字符串中也有特殊的含義，本身還需要轉(zhuǎn)義。所以如果匹配一次'd',字符串中要寫成’d’，那么正則里就要寫成'd',這樣就太麻煩了。

這個時候我們就用到了r’d’這個概念，此時的正則是r’d’就可以了。

正則 待匹配字符 匹配 結(jié)果 說明 d d False 因?yàn)樵谡齽t表達(dá)式中是有特殊意義的字符，所以要匹配d本身，用表達(dá)式d無法匹配 d d True 轉(zhuǎn)義之后變成，即可匹配 'd' ’d’ True 如果在python中，字符串中的’’也需要轉(zhuǎn)義，所以每一個字符串’’又需要轉(zhuǎn)義一次 r’d’ r’d’ True 在字符串之前加r，讓整個字符串不轉(zhuǎn)義 2.7 貪婪匹配

貪婪匹配：在滿足匹配時，匹配盡可能長的字符串，默認(rèn)情況下，采用貪婪匹配

正則 待匹配字符 匹配 結(jié)果 說明 <.*>

<script>...<script>

<script>...<script> 默認(rèn)為貪婪匹配模式，會匹配盡量長的字符串 <.*?> r’d’

<script> <script>

加上？為將貪婪匹配模式轉(zhuǎn)為非貪婪匹配模式，會匹配盡量短的字符串

幾個常用的非貪婪匹配

*? 重復(fù)任意次，但盡可能少重復(fù)+? 重復(fù)1次或更多次，但盡可能少重復(fù)?? 重復(fù)0次或1次，但盡可能少重復(fù){n,m}? 重復(fù)n到m次，但盡可能少重復(fù){n,}? 重復(fù)n次以上，但盡可能少重復(fù)

.*?的用法

. 是任意字符* 是取 0 至 無限長度? 是非貪婪模式，何在一起就是 取盡量少的任意字符，一般不會這么單獨(dú)寫，他大多用在：.*?x 就是取前面任意長度的字符，直到一個x出現(xiàn)

三、re模塊

import reret = re.findall(’a’, ’ea eg an’) # 返回所有滿足匹配條件的結(jié)果,放在列表里print(ret) #結(jié)果 : [’a’, ’a’]ret = re.search(’a’, ’va eg an’).group()print(ret) #結(jié)果 : ’a’# 函數(shù)會在字符串內(nèi)查找模式匹配,只到找到第一個匹配然后返回一個包含匹配信息的對象,該對象可以# 通過調(diào)用group()方法得到匹配的字符串,如果字符串沒有匹配，則返回None。ret = re.match(’a’, ’abc’).group() # 同search,不過盡在字符串開始處進(jìn)行匹配print(ret)#結(jié)果 : ’a’ret = re.split(’[ab]’, ’abcd’) # 先按’a’分割得到’’和’bcd’,在對’’和’bcd’分別按’b’分割print(ret) # [’’, ’’, ’cd’]ret = re.sub(’d’, ’H’, ’va3eg4an4’, 1)#將數(shù)字替換成’H’，參數(shù)1表示只替換1個print(ret) #vaHeg4an4ret = re.subn(’d’, ’H’, ’va3eg4an4’)#將數(shù)字替換成’H’，返回元組(替換的結(jié)果,替換了多少次)print(ret)obj = re.compile(’d{3}’) #將正則表達(dá)式編譯成為一個 正則表達(dá)式對象，規(guī)則要匹配的是3個數(shù)字ret = obj.search(’abc123eeee’) #正則表達(dá)式對象調(diào)用search，參數(shù)為待匹配的字符串print(ret.group()) #結(jié)果 ： 123import reret = re.finditer(’d’, ’ds3sy4784a’) #finditer返回一個存放匹配結(jié)果的迭代器print(ret) # <callable_iterator object at 0x10195f940>print(next(ret).group()) #查看第一個結(jié)果print(next(ret).group()) #查看第二個結(jié)果print([i.group() for i in ret]) #查看剩余的左右結(jié)果

注意：

1 findall的優(yōu)先級查詢：

import reret = re.findall(’www.(baidu|xunlei).com’, ’www.xunlei.com’)print(ret) # [’xunlei’] 這是因?yàn)閒indall會優(yōu)先把匹配結(jié)果組里內(nèi)容返回,如果想要匹配結(jié)果,取消權(quán)限即可ret = re.findall(’www.(?:baidu|xunlei).com’, ’www.xunlei.com’)print(ret) # [’www.xunlei.com’]

2 split的優(yōu)先級查詢

ret=re.split('d+','va3eg4an')print(ret) #結(jié)果 ： [’va’, ’eg’, ’an’]ret=re.split('(d+)','va3eg4an')print(ret) #結(jié)果 ： [’va’, ’3’, ’eg’, ’4’, ’an’]#在匹配部分加上（）之后所切出的結(jié)果是不同的，#沒有（）的沒有保留所匹配的項(xiàng)，但是有（）的卻能夠保留了匹配的項(xiàng)，#這個在某些需要保留匹配部分的使用過程是非常重要的。

3.1 匹配標(biāo)簽

import reret = re.search('<(?P<tag_name>w+)>w+</(?P=tag_name)>','<h1>hello</h1>')#還可以在分組中利用?<name>的形式給分組起名字#獲取的匹配結(jié)果可以直接用group(’名字’)拿到對應(yīng)的值print(ret.group(’tag_name’)) #結(jié)果 ：h1print(ret.group()) #結(jié)果 ：<h1>hello</h1>ret = re.search(r'<(w+)>w+</1>','<h1>hello</h1>')#如果不給組起名字，也可以用序號來找到對應(yīng)的組，表示要找的內(nèi)容和前面的組內(nèi)容一致#獲取的匹配結(jié)果可以直接用group(序號)拿到對應(yīng)的值print(ret.group(1))print(ret.group()) #結(jié)果 ：<h1>hello</h1>

2、匹配整數(shù)

import reret=re.findall(r'd+','1-2*(60+(-40.35/5)-(-4*3))')print(ret) #[’1’, ’2’, ’60’, ’40’, ’35’, ’5’, ’4’, ’3’]ret=re.findall(r'-?d+.d*|(-?d+)','1-2*(60+(-40.35/5)-(-4*3))')print(ret) #[’1’, ’-2’, ’60’, ’’, ’5’, ’-4’, ’3’]ret.remove('')print(ret) #[’1’, ’-2’, ’60’, ’5’, ’-4’, ’3’]

3、數(shù)字匹配

1、 匹配一段文本中的每行的郵箱http://blog.csdn.net/make164492212/article/details/51656638

2、 匹配一段文本中的每行的時間字符串，比如：‘1990-07-12’；分別取出1年的12個月（^(0?[1-9]|1[0-2])$）、一個月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$

3、 匹配qq號。(QQ號從10000開始) ［1,9］[0,9]{4,}

4、 匹配一個浮點(diǎn)數(shù)。 ^(-?d+)(.d+)?$ 或者 -?d+.?d*

5、 匹配漢字。 ^[u4e00-u9fa5]{0,}$

6、 匹配出所有整數(shù)

4、爬蟲

import requestsimport reimport jsondef getPage(url): response=requests.get(url) return response.textdef parsePage(s): com=re.compile(’<div class='item'>.*?<div class='pic'>.*?<em .*?>(?P<id>d+).*?<span class='title'>(?P<title>.*?)</span>’ ’.*?<span .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)評價</span>’,re.S) ret=com.finditer(s) for i in ret: yield { 'id':i.group('id'), 'title':i.group('title'), 'rating_num':i.group('rating_num'), 'comment_num':i.group('comment_num'), }def main(num): url=’https://movie.douban.com/top250?start=%s&filter=’%num response_html=getPage(url) ret=parsePage(response_html) print(ret) f=open('move_info7','a',encoding='utf8') for obj in ret: print(obj) data=json.dumps(obj,ensure_ascii=False) f.write(data+'n')if __name__ == ’__main__’: count=0 for i in range(10): main(count) count+=25

簡化版

import reimport jsonfrom urllib.request import urlopendef getPage(url): response = urlopen(url) return response.read().decode(’utf-8’)def parsePage(s): com = re.compile( ’<div class='item'>.*?<div class='pic'>.*?<em .*?>(?P<id>d+).*?<span class='title'>(?P<title>.*?)</span>’ ’.*?<span .*?>(?P<rating_num>.*?)</span>.*?<span>(?P<comment_num>.*?)評價</span>’, re.S) ret = com.finditer(s) for i in ret: yield { 'id': i.group('id'), 'title': i.group('title'), 'rating_num': i.group('rating_num'), 'comment_num': i.group('comment_num'), }def main(num): url = ’https://movie.douban.com/top250?start=%s&filter=’ % num response_html = getPage(url) ret = parsePage(response_html) print(ret) f = open('move_info7', 'a', encoding='utf8') for obj in ret: print(obj) data = str(obj) f.write(data + 'n')count = 0for i in range(10): main(count) count += 25

flags有很多可選值：

re.I(IGNORECASE)忽略大小寫，括號內(nèi)是完整的寫法re.M(MULTILINE)多行模式，改變^和$的行為re.S(DOTALL)點(diǎn)可以匹配任意字符，包括換行符re.L(LOCALE)做本地化識別的匹配，表示特殊字符集 w, W, b, B, s, S 依賴于當(dāng)前環(huán)境，不推薦使用re.U(UNICODE) 使用w W s S d D使用取決于unicode定義的字符屬性。在python3中默認(rèn)使用該flagre.X(VERBOSE)冗長模式，該模式下pattern字符串可以是多行的，忽略空白字符，并可以添加注釋

實(shí)現(xiàn)能計(jì)算類似

1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )等類似公式的計(jì)算器程序

到此這篇關(guān)于python re模塊和正則表達(dá)式的文章就介紹到這了,更多相關(guān)python re模塊內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！