正則表達式 #re #python

• 正則表達式在各種語言中基本都通用
• 正則表達式就是找到我們需要數據的一種規則

python使用正則表達式

正則表達式

1.匹配單個字符

字符	功能
.	匹配任意1個字符（除了\n）
[ ]	匹配[ ]中列舉的字符
\d	匹配數字，即0-9
\D	匹配非數字，即不是數字
\s	匹配空白，即 空格，tab鍵
\S	匹配非空白
\w	匹配單詞字符，即a-z、A-Z、0-9、_/中文
\W	匹配非單詞字符

2.匹配多個字符

• 匹配多個字符，匹配的是次數，需要和其它字符或匹配結合使用

字符	功能
*	匹配前一個字符出現0次或者無限次，即可有可無
+	匹配前一個字符出現1次或者無限次，即至少有1次
?	匹配前一個字符出現1次或者0次，即要麼有1次，要麼沒有
{m}	匹配前一個字符至少出現m次
{m,n}	匹配前一個字符出現從m到n次

• re.match(r".*", 待匹配字符, re.S)這樣就可以匹配到換行符，re.S叫做旗標

3.判斷開頭結尾

• 開頭結尾必須全匹配上
• match默認會判斷開頭,但是不會判斷結尾

字符	功能
^	匹配開頭
$	匹配結尾

1>小練習：判斷變量名是否合法

name = input("請輸入變量名")
re.match(r"^[a-zA-Z_][a-zA-Z0-9_]*$", name)

2>小練習：判斷是否是身份證號

UID = input("請輸入變量名")
re.match(r"\d{17}[01X]$", UID)

3>小練習：判斷是否是郵箱

email = input("請輸入變量名")
re.match(r"^[a-zA-Z0-9]+@[a-zA-Z0-9]+\.[a-zA-Z0-9]+$", email)

4.分組

• 利用括號進行分組
• |的意思是或

email = input("請輸入變量名")
re.match(r"^[a-zA-Z0-9]+@(163|126|qq)\.com$", email)

字符	功能
|	匹配左右任意一個表達式
(ab)	將括號中字符作爲一個分組
\num	引用分組num匹配到的字符串
(?P)	分組起別名
(?P=name)	引用別名爲name分組匹配到的字符串

• 在組 當中取數據：(取出的是小括號裏，正則匹配到的值)
  
• 取出匹配的組值 \num
  
• 給分組取名 (?P<name>),取用別名(?P=name)

4.re的高級用法

• 前面的用法是通用的，後面的用法是python專用的(其它語言也可能有)

search

• match是從頭開始匹配，search是任意位置開始匹配，只取第一個匹配到的位置

findall

• findall可以匹配到所有匹配的位置，返回一個列表

sub

• sub可以替換子串

re.sub(r"待替換", "替換爲", "待匹配的字符串")

• sub替換爲可以用函數

def add1(temp):
    """加一函數"""
    num_str = temp.group()
    num = int(num_str) + 1
    return str(num)

# 第二個參數放入函數名，即可把re.search(r"\d+", "998")的值傳入temp,即 把匹配的對象傳入函數
ret = re.sub(r"\d+", add1, "998")
print(ret)

split

• split可以根據匹配進行切割，並返回一個列表

re.split(r";|:","一個;兩個:三個")

5.小項目：清洗數據

1. 從網上Down下一段網站的部分源碼(我是去Boss直聘Down下了阿里的職位描述)
   
2. 分析一波：清洗掉標籤，可以用sub
   
3. 效果：