這篇文章主要介紹了正則表達(dá)式re模塊的示例分析，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。
正則表達(dá)式：
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(gè)“規(guī)則字符串”，這個(gè)“規(guī)則字符串”用來表達(dá)對字符串的一種過濾邏輯。
什么是正則表達(dá)式: 一套規(guī)則 - 匹配字符串的
談到正則，就只和字符串相關(guān)了。我們要考慮的是在同一個(gè)位置上可以出現(xiàn)的字符的范圍。
正則表達(dá)式能做什么：
?1.檢測一個(gè)輸入的字符串是否合法 -- web開發(fā)項(xiàng)目 表單驗(yàn)證 ?用戶輸入一個(gè)內(nèi)容的時(shí)候,我們要提前做檢測
?能夠提高程序的效率并且減輕服務(wù)器的壓力
?2.從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容 -- 日志分析\爬蟲 ?能夠高效的從一大段文字中快速找到符合規(guī)則的內(nèi)容
字符組 ： [字符組]
在同一個(gè)位置可能出現(xiàn)的各種字符組成了一個(gè)字符組，在正則表達(dá)式中用[]表示。一個(gè)中括號只表示一個(gè)字符位置
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(gè)位置"只能出現(xiàn)一個(gè)數(shù)字",那么這個(gè)位置上的字符只能是0、1、2...9這10個(gè)數(shù)之一。
字符組 描述的是一個(gè)位置上能出現(xiàn)的所有可能性
# 接受范圍,可以描述多個(gè)范圍,連著寫就可以了
# [abc] 一個(gè)中括號只表示一個(gè)字符位置,匹配a或者b或者c
# [0-9] 匹配數(shù)字0-9，根據(jù)ASCII進(jìn)行范圍的比對
# [a-z] 匹配所有的小寫字母
# [A-Z] 匹配所有的大寫字母
# [a-zA-Z] 匹配所有的大小寫字母
# [0-9a-z]
# [0-9a-zA-Z_]
元字符：
字符：
元字符 匹配內(nèi)容的規(guī)則
. 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(gè)換行符
\t 匹配一個(gè)制表符
\b 匹配一個(gè)單詞的結(jié)尾
^ 匹配一個(gè)字符串的開始
$ 匹配一個(gè)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
a表達(dá)式|b表達(dá)式 匹配a或者b表達(dá)式中的內(nèi)容,如果匹配a成功了,不會繼續(xù)和b匹配， 所以,如果兩個(gè)規(guī)則有重疊部分,總是把長的放在前面
() 分組，匹配括號內(nèi)的表達(dá)式，也表示一個(gè)組。約束某一個(gè)元字符的作用范圍，只在（）內(nèi)生效
[] 字符組，匹配字符組中的字符
[^] 非字符組，匹配除了字符組中字符的所有字符
在正則表達(dá)式中能夠幫助我們表示匹配的內(nèi)容的符號都是正則中的 元字符
# [0-9] --> \d 表示匹配一位任意數(shù)字 digit
# [0-9a-zA-Z_] --> \w 表示匹配數(shù)字字母下劃線 word
# 空格 -->
# tab --> \t
# enter回車 -->
# 空格,tab和回車 --> \s 表示所有空白 包括空格 tab和回車
# [\d] \d 表示匹配數(shù)字
# [\d\D] [\w\W] [\s\S] 表示匹配所有
# [^\d] 匹配所有的非數(shù)字
# [^1] 匹配除數(shù)字1以外的所有
# [1-9]\d 匹配兩位整數(shù)
# [1357]\d 匹配1,3,5,7，開頭的兩位整數(shù)
例1：匹配多個(gè)網(wǎng)址：
www\.oldboy\.com|www\.baidu\.com|www\.jd\.com|www\.taobao\.com #\.表示取消.的特殊意義
www\.(oldboy|baidu|jd|taobao)\.com #用（） 來約束 | 描述的內(nèi)容的范圍
記憶元字符 : 都是表示能匹配哪些內(nèi)容,一個(gè)元字符總是表示一個(gè)字符位置上的內(nèi)容
# \d \w \s \t \n \D \W \S
# [] [^] .
# ^ $
# | ()
量詞：
量詞 用法說明
* 重復(fù)0次或更多次，表示0次或多次 {0,}
+ 重復(fù)1次或更多次，表示1次或多次 {1,}
? 重復(fù)0次或1次，表示匹配0次或1次 {0,1}
{n} 重復(fù)n次，表示匹配n次
{n,} 重復(fù)n次或更多次，表示匹配至少n次
{n,m} 重復(fù)n到m次，表示至少匹配n次,至多m次
例：
匹配整數(shù) \d+
匹配小數(shù) \d+\.\d+
匹配整數(shù)或小數(shù) : \d+\.?\d* #存在問題，比如1.也會被匹配到 ---> 分組的作用 : \d+(\.\d+)?
例：匹配手機(jī)號碼，手機(jī)號以1開頭，第二位為3-9，總共11位
1[3-9]\d{9}
#判斷用戶輸入的內(nèi)容是否合法,如果用戶輸入的對就能查到結(jié)果,如果輸入的不對就不能查到結(jié)果
^1[3-9]\d{9}$
# 從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容
1[3-9]\d{9}
轉(zhuǎn)義符：
原本有特殊意義的字符,到了表達(dá)它本身的意義的時(shí)候,需要轉(zhuǎn)義。
. 有特殊的意義,取消特殊的意義\.
有一些有特殊意義的內(nèi)容,放在字符組中,會取消它的特殊意義
#只表示符號本身
[().*+?] 所有的內(nèi)容在字符組中會取消它的特殊意義
#表示：a-c (a減c)
[a\-c] -在字符組中表示范圍,如果不希望它表示范圍,需要轉(zhuǎn)義,或者放在字符組的最前面\最后面 。
取消一個(gè)元字符的特殊意義有兩種方法：
1. 在這個(gè)元字符前面加\
2. 對一部分字符生效,把這個(gè)元字符放在字符組里
# [.()+?*]
貪婪匹配：
重慶分公司
重慶分公司
1.貪婪匹配：在量詞范圍允許的情況下,盡量多的匹配內(nèi)容
.*x 表示匹配任意字符 任意多次數(shù) 遇到最后一個(gè)x才停下來
回溯算法：
2.非貪婪(惰性)匹配： 總是在量詞范圍內(nèi)盡量少的匹配內(nèi)容。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
.*?x 表示匹配任意字符 任意多次數(shù) 但是一旦遇到x就停下來
.+?x 匹配任意內(nèi)容至少1次 遇到x就停止
元字符+量詞+？ ---> 惰性匹配
幾個(gè)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)
例：匹配身份證號碼：18/15位的身份證號
# 15位：首位數(shù)字為1-9，總共15位
[1-9]\d{14}
# 18位：首位數(shù)字為1-9，末位為0-9或者X，總共18位
[1-9]\d{16}[\dx]
[1-9]\d{16}[0-9x]
#1：
[1-9]\d{16}[0-9x]|[1-9]\d{14} #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容。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}
^([1-9]\d{16}[0-9x]|[1-9]\d{14})$ #檢測一個(gè)輸入的字符串是否合法
#2：簡化
[1-9]\d{14}(\d{2}[\dx])? #從一個(gè)大文件中找到所有符合規(guī)則的內(nèi)容
^[1-9]\d{14}(\d{2}[\dx])?$ #檢測一個(gè)輸入的字符串是否合法 。()表示分組，將\d{2}[\dx]分成一組，就可以整體約束他們出現(xiàn)的次數(shù)為0-1次
例：
規(guī)則：1\d*?3 待匹配內(nèi)容：1243333344 匹配結(jié)果：1243
規(guī)則：1\d*3 待匹配內(nèi)容：1243333344 匹配結(jié)果：12433333
re模塊：
# findall 還是按照完整的正則進(jìn)行匹配,只是顯示括號里匹配到的內(nèi)容。 取所有符合條件的,優(yōu)先顯示分組中的。
ret = re.findall('9\d\d','19740ash93010uru')
print(ret)#['974', '930']
ret = re.findall('9(\d)\d','19740ash93010uru')
print(ret)#['7', '3']
# search 還是按照完整的正則進(jìn)行匹配,顯示也顯示匹配到的第一個(gè)內(nèi)容,但是我們可以通過給group方法傳參數(shù),來獲取具體分組，即（）中的內(nèi)容。
search 只取第一個(gè)符合條件的,沒有優(yōu)先顯示這件事兒
得到的結(jié)果是一個(gè)變量
變量.group() 的結(jié)果 完全和 變量.group(0)的結(jié)果一致
變量.group(n) 的形式來指定獲取第n個(gè)分組中匹配到的內(nèi)容
ret = re.search('9(\d)(\d)','19740ash93010uru')
print(ret) # 變量 <_sre.SRE_Match object; span=(1, 4), match='974'>
if ret:
print(ret.group())#974 #ret.group(0) 0 默認(rèn)不寫
print(ret.group(1))#7
print(ret.group(2))#4
# 為什么在search中不需要分組優(yōu)先 而在findall中需要?
加上括號是為了對真正需要的內(nèi)容進(jìn)行提取。 為什么要用分組? 把想要的內(nèi)容放分組里
如果我們要查找的內(nèi)容在一個(gè)復(fù)雜的環(huán)境中，我們要查的內(nèi)容并沒有一個(gè)突出的 與眾不同的特點(diǎn) 甚至?xí)筒恍枰碾s亂的數(shù)據(jù)混合在一起，這個(gè)時(shí)候我們就需要把所有的數(shù)據(jù)都統(tǒng)計(jì)出來,然后對這個(gè)數(shù)據(jù)進(jìn)行篩選,把我們真正需要的數(shù)據(jù)對應(yīng)的正則表達(dá)式用()圈起來，這樣我們就可以篩選出真正需要的數(shù)據(jù)了。
# 如何取消分組優(yōu)先
如果在寫正則的時(shí)候由于不得已的原因，導(dǎo)致不要的內(nèi)容也得寫在分組里，通過 ?: 取消這個(gè)分組的優(yōu)先顯示
# (?:) 取消這個(gè)分組的優(yōu)先顯示
#findall
ret = re.findall('<\w+>(\w+)','askh930s02391j192agsj
')
print(ret)#['askh930s02391j192agsj']
# search
ret = re.search('<(\w+)>(\w+)','askh930s02391j192agsj
')
print(ret.group())#askh930s02391j192agsj
print(ret.group(1))#h2
print(ret.group(2))#askh930s02391j192agsj
#從exp中匹配出第一個(gè)加法，第一個(gè)減法， a+b 或者是a-b 并且計(jì)算他們的結(jié)果
exp = '2-3*(5+6)'
ret = re.search('(\d+)[+](\d+)',exp)
print(ret)
print(ret.group(1))#5
print(ret.group(2))#6
print(int(ret.group(1)) + int(ret.group(2)))#11
#將豆瓣源碼放到douban.html，從中獲取電影名：
with open('douban.html',encoding='utf-8') as f:
content = f.read()
ret = re.findall('(.*?)(?:\s*.*?)?',content)
print(ret)
#除了 霸王別姬，其他電影都是 肖申克的救贖 這種格式的。
(.*?) 要顯示的電影名 其中 ？是非貪婪匹配的標(biāo)志
(?:\s*.*?)?
?: 取消這個(gè)分組的優(yōu)先顯示，整個(gè)（）內(nèi)都不顯示 \s* 兩行代碼之間所有的空字符
.*? 電影英文名 ？ 該部分出現(xiàn)0次 或者1次
# 什么是爬蟲
# 通過代碼獲取到一個(gè)網(wǎng)頁的源碼,需要的是源碼中嵌著的網(wǎng)頁上的內(nèi)容 -- 正則表達(dá)式
#先安裝擴(kuò)展模塊 File--Settings--Project Interpreter-- + --找到包---Install Package
import requests
ret = requests.get('/tupian/20230522/top250
print(ret.content.decode('utf-8')) 感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“正則表達(dá)式re模塊的示例分析”這篇文章對大家有幫助，同時(shí)也希望大家多多支持創(chuàng)新互聯(lián)網(wǎng)站建設(shè)公司，，關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!
