python筆記(正則表達)
正則表示式：
@tool.chinaz.com/regex/ui（正則測試小工具）
@推薦書：《正則指引》
字元組:[字元組]：
在同一個位置可能出現的各種字元組成了一個字元組，在正則表示式中用[]表示
典型：身份證號檢測：^[1-9]\d{14}[0-9x]?$
1.re.findall
import re
ret = re.findall('[a-z]+','hellow well good') #findall:返回所有滿足匹配條件的結果，放在列表裡
print(ret)
輸出結果：
[‘hellow’, ‘well’, ‘good’]
2.re.search
ret = re.search('a','eva egon yuan') #group:從前往後，找到一個就返回，返回的變數需要呼叫group才能拿到結果
if ret:
print(ret.group())
輸出結果：
a
3.re.match
ret1 = re.match('eva','eva egon yuan')# match:是從頭開始匹配，如果正則規則從頭開始可以匹配上，就返回一個變數，需要group ret2 = re.match('va','eva egon yuan')# match:是從頭開始匹配，如果正則規則從頭開始可以匹配上，就返回一個變數，需要group if ret1: print(ret1.group()) if ret2: print(ret2.group())
輸出結果：
eva
ret = re.split(’[ab]’,‘abcd’) #先按’a’分割得到’‘和’bcd’,再對’'和’bcd’分別按’b’分割
print(ret)
輸出結果：
[’’, ‘’, ‘cd’]
4.re.sub
ret = re.sub('\d','H','eva3egon4yuan4',1)#將數字替換成'H',引數1表示只替換一個
print(ret)
輸出結果：
evaHegon4yuan4
5.re.subn
ret = re.subn('\d','H','eva3egon4yuan4')#將數字替換成'H'，返回元組（替換的結果，替換了多少次） print(ret)
輸出結果：
(‘evaHegonHyuanH’, 3)
6.re.compile
obj = re.compile('\d{3}')#將正則表示式編譯成為一個正則表示式物件,規則是要匹配的3個數字
ret = obj.search('abc123eeee')#正則表示式物件呼叫search，引數為待匹配字串
print(ret.group())
輸出結果：
123
7.re.finditer
ret = re.finditer('\d','ds3sy4784a') #finditer返回一個存放返回結果的迭代器
print(ret) #<callable_iterator object at 0x0000014696F9BC88>
print(next(ret).group()) #檢視第一個結果
print(next(ret).group()) #檢視第二個結果
print([i.group() for i in ret]) #檢視剩餘的左右結果
輸出結果：
<callable_iterator object at 0x0000014696F9BC88>
3
4
[‘7’, ‘8’, ‘4’]
注意：
1.findall的優先順序查詢
import re
ret = re.search('^[1-9]\d{14}(\d{2}[0-9x])?$','610326111111111223')
print(ret.group())
print(ret.group(1)) #可以取分組內的數字（也就是括號裡的資料）
輸出結果：
610326111111111223
223
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
print(ret)#這是因為findall會優先把匹配結果組內的內容返回
ret = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')
print(ret)#?:會取消分組優先順序
輸出結果：
[‘oldboy’]
[‘www.oldboy.com’]
ret = re.split("\d+",“eva3gon4yuan”)
print(ret) #
2.split()
ret = re.split("(\d)+","eva3gon4yuan")
print(ret) #在匹配部分加上（）之後所切出的結果是不同的，沒有（）的沒有保留所匹配選項，但是有（）的卻能保留匹配選項
輸出結果：
[‘eva’, ‘gon’, ‘yuan’]
[‘eva’, ‘3’, ‘gon’, ‘4’, ‘yuan’]
re的其它常用方法：
（1）re.I(IGNORECASE)忽略大小寫，括號內是完整的寫法
（2）re.M(MULTILINE)多行模式，改變^和$的行為
（3）re.S(DOTALL)點可以匹配任意字元，包括換行符
（4）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 依賴於當前環境，不推薦使用
（5）re.U(UNICODE) 使用\w \W \s \S \d \D使用取決於unicode定義的字元屬性。在python3中預設使用該flag
（6）re.X(VERBOSE)冗長模式，該模式下pattern字串可以是多行的，忽略空白字元，並可以添加註釋
例題：
1.爬蟲練習@非本人程式碼（程式碼來自於老男孩教育）
import requests
import re
import json
def getPage(url):
response = requests.get(url)
return response.text
def parsePage(s):
com = re.compile('<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?<span class="title">(?P<title>.*?)</span>''.*?<span class="rating_num" .*?>(?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
2.匹配標籤
import re
ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")#?P<tag_name>：給分組命名 ?P=tag_name：引用分組
#還可以在分組中利用?<name>的形式給分組起名字
#獲取的匹配結果可以直接用group('名字')拿到對應的值
print(ret.group('tag_name')) #結果 ：h1
print(ret.group()) #結果 ：<h1>hello</h1>
ret = re.search(r"<(\w+)>\w+</\1>","<h1>hello</h1>")# \1：取第一組
#如果不給組起名字，也可以用\序號來找到對應的組，表示要找的內容和前面的組內容一致
#獲取的匹配結果可以直接用group(序號)拿到對應的值
print(ret.group(1))
print(ret.group()) #結果 ：<h1>hello</h1>
輸出結果：
h1
<h1>hello</h1>
h1
<h1>hello</h1>
3.匹配整數
import re
ret=re.findall(r"\d+","1-2*(60+(-40.35/5)-(-4*3))") #字串前面加'r'是為了防止字元轉義
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']
輸出結果：
[‘1’, ‘2’, ‘60’, ‘40’, ‘35’, ‘5’, ‘4’, ‘3’]
[‘1’, ‘-2’, ‘60’, ‘’, ‘5’, ‘-4’, ‘3’]
[‘1’, ‘-2’, ‘60’, ‘5’, ‘-4’, ‘3’]
4.其他典型
1、 匹配一段文字中的每行的郵箱
http://blog.csdn.net/make164492212/article/details/51656638
2、 匹配一段文字中的每行的時間字串，比如：‘1990-07-12’；
分別取出1年的12個月（^(0?[1-9]|1[0-2])
3、 匹配qq號。(騰訊QQ號從10000開始) ［1,9］[0,9]{4,}
4、 匹配一個浮點數。 ^(-?\d+)(.\d+)?$ 或者 -?\d+.?\d*
5、 匹配漢字。 ^[\u4e00-\u9fa5]{0,}$
6、 匹配出所有整數
@惰性匹配
量詞後邊加問號
.*?abc : 一直取到abc就停
‘\d(?P\w)’ : 給分組命名（名字對應括號前面的正則表示式）
compile : 編譯（當正則表示式很長且要多次使用）
\w : 匹配數字，字母，下劃線
作業：實現能計算類似1 - 2 * ( (60-30 +(-40/5) * (9-25/3 + 7 /399/42998 +10 * 568/14 )) - (-43)/ (16-3*2) )等類似公式的計算器程式（未寫完）
import re
def dealwith(express):
#將表示式中符號做處理 +-替換成- --替換成+
express = express.replace('+-','-')
express = express.replace('--', '+')
return express
def cal_exp_son(exp_son): #只用來計算原子型表示式，兩個數之間的乘除法
if '/' in exp_son:
a,b = exp_son.split('/')
return str(float(a)/float(b))
elif '*' in exp_son:
a,b = exp_son.split('*')
return str(float(a) * float(b))
def cal_express_no_bracket(exp): #計算沒有括號的表示式
exp = exp.strip('()') #去括號
#先乘後除再加減
while True:
ret = re.search('\d+\.?\d*[*/]-?\d+\.?\d*',exp) #得到第一個乘除兩邊的數
if ret:
exp_son = ret.group() #子表示式最簡單的乘除法
ret = cal_exp_son(exp_son)
exp = exp.replace(exp_son,ret)
exp = dealwith(exp)
else: #說明表示式中沒有乘除了
ret = re.findall('-?\d+\.?\d*',exp)
sum = 0
for i in ret:
sum += float(i)
return str(sum)
def remove_bracket(new_express):
while True:
ret = re.search('\([^()]+\)', new_express) # 得到內部沒有括號的表示式
if ret:
express_no_bracket = ret.group()
ret = cal_express_no_bracket(express_no_bracket)
new_express = new_express.replace(express_no_bracket,ret)
new_express = dealwith(new_express)
else:
ret = cal_express_no_bracket(new_express)
return ret
express = '1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) )'
new_express = express.replace(' ','')
res = remove_bracket(new_express)
print(res)
print(1 - 2 * ( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/ (16-3*2) ))
輸出結果：
2776672.6952380957
2776672.6952380957
大神寫的：
