模块: 是一组功能的集合 模块的分类: 1.内置模块,不需要我安装,解释器自带的 2,第三方模块:需要我们自己安装的模块 3.自定义模块:需要我自己写的 常用模块 1,collection,时间模块,显示时间,计算时间 2,random,操作随机数的,生成随机数 re模块:
re模块是python中处理正在表达式的一个模块在python当中使用正则表达式 正则表达式是一种独立的规则,独立的语言 正则表达式可以做什么,把所有的手机号找出来 #open打开文件夹 #读取文件str #从一长串字符串中找到11位数 #一个字符一个字符的读 3.正则表达式, #从大段字符串里找到符合规则的内容 #判断摸个字符串里合格的内容 #表单验证:手机qq号,邮箱,银行卡,省份证 #爬虫会用到正则表达式 #日志记录2018-2-11 22:20......花的所有钱 #什么是日志 #正则表达式只和字符串打交道 规则: 字符串 从字符串当中找到符合规则的内容 字符组: []写在括号里的内容,都出现在下面的摸一个字符的位置上都是符合规则的 http://tool.chinaz.com/regex 站长工具网站 [0-9] 匹配数字 [a-z] 匹配字母 [A-Z] 匹配大写字母 [a-zA-Z] 匹配大写小写字母 [a-zA-Z0-9] 匹配大写字母小写字母和数字 [a-zA-Z0-9_]匹配大写字母小写字母和数字和下划线 元字符: \w :匹配数字字母下划线,word关键字[a-zA-Z0-9] \d :匹配所有的数字,digit关键字[0-9] \s :匹配所有的空白符,包括了回车/换行符 ,制表符 空格 \t :匹配制表符tab \n :匹配换行回车 \ :匹配空格 \w 匹配字母和数字,如果是一个刚代表转义符, 转义w,让w具有特殊的意义,在正则表达式中代表匹配数字 字母下划线. 转义符一对才有意义.要想匹配\\w需要\\\\w来转义 \W \D \S 刚好和小写的相反匹配 \S :取所有的非空白,那么使用\s\S就是取全集了 [\s\S] [/d/D] [/W/w] 就是三组全集了 \b 表示匹配单单词的边界 \w\d\s (\n\t) \D\S\W \b \& 匹配字符串的结尾 \^ 匹配字符串的开始 ^13689297848& 匹配的内容完全一模一样 字符组: . :表示匹配所有除了了换行符以外的所有字符 [] :只要出现在括号里的内容都可以被匹配 [^] :只要不出现在中括号里的内容都会匹配 有一些有特殊意义的字符串进入字符组中会恢复他本来的意思 : . [] () a|b :或 符合a规则或者b规则的都可以匹配 如果A规则是b规则的一部分,且a规则比b 规则要长,复杂,把,复杂的长的写照前面 分组: 表示给几个字符加上量词的约束需求的时候,就把量词分在一个组里面 量词: 1.{n}表示这个量词之前字符出现n次 2,{n,}表示这个量词之前的字符至少出现n次 3,{n,m}表示这个量词之前的字符出现n-m次 ? 表示匹配的的量词出现o次或者1次,表示可有可无 + 表示匹配的量词的字符出现1次或者多次 * 表示匹配量词之前的字符出现0次或者多次 正则表达式的特性: 贪婪匹配,: 在允许的范围内尽量多的匹配 \d+?8 加上?表示非贪婪匹配,只匹配第一个8出现为止 非贪婪模式: /惰性匹配:在量词的后面加上? .*?x 表示匹配任意非换行符字符,任意次,直到遇到x出现为止(爬虫常用) print(r'\\n') print(r'\n') 关于字符串挪到python中的转义的问题,只需要在工具中测试完毕了,挪到python当中加上r,r''即可使用 练习题 1,匹配整数 \d+ 2,匹配小数 \d+\.\d+ 3,匹配小数或者整数 \d+\.\d+|d+ \d+(\.\d+)?
正则表达式描述:
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个‘规则字符串’,这个‘规则字符串’用来
表达对字符串的一种过滤逻辑。
在线测试工具:http://tool.chinaz.com/regex/
需要明确的是正则表达式只和字符串相关。
正则表达式基础使用参考:http://tool.chinaz.com/regex/
re 模块中常用功能函数
1. compile()
编译正则表达式模式,返回一个对象的模式。(可以把那些常用的正则表达式编译成正则表达式对象,这样可以提高一点效率。)
格式:
1 2 3 |
|
import re
s1 = 'have a good day.'
rr = re.compile("\w*oo\w*")
print(rr.findall(s1)) # 查看字符串中包含'oo'的单词
# 执行结果:
# ['good']
re_compile.py
2. match()
描述:
决定RE是否在字符串刚开始的位置匹配。
注意:
这个方法并不是完全匹配,当pattern结束时,若string还有剩余字符,仍然视为成功。想要完全匹配,可以在表达式末尾加上边界匹配符 '$'
格式:
1 |
|
实例:
import re
s1 = 'runnicegoodrunbetterrun'
# rr = re.match('run', 'nicegoodrun better.run')
r1 = re.match('run', 'runnicegoodrunbetterrun').group()
r2 = re.match('run', 'Runnicegoodrunbetterrun', re.I).group() # re.I 忽视大小写
print('r1:', r1)
print('r2:', r2)
# 执行结果:
# r1: run
# r2: Run
re_match.py
3. search()
re.search函数会在字符串内查找模式匹配,只要找到第一个匹配然后返回,如果字符串没有匹配,则返回None
1 |
|
实例:
import re
s1 = 'run nice good run better rungood'
rr = re.search("good", s1).group() # 只会匹配到一个就直接返回
print(rr)
# 执行结果:
# good
re_search.py
注意:
match和search一旦匹配成功,就是一个 match object 对象,而match object对象有以下方法:
- group() 返回被 RE 匹配的字符串
- start() 返回匹配开始的位置
- end() 返回匹配结束的位置
- span() 返回一个元组包含匹配的位置
- group() 返回 re 整体匹配的字符串,可以一次输入多个组号,对应组号匹配的字符串。
a.group() 返回re整体匹配的字符串
b.group(n, m) 返回组号为n,m所匹配的字符串,如果组号不存在,则返回indexError异常
c.groups() groups() 方法返回一个包含正则表达式中所有小组字符串的元组,从 1 到所含的小组号,通常groups()不需要参数,返回一个元组,
元组中的元就是正则表达式中定义的组
import re
a = "123abc456"
rr = re.compile("([0-9]*)([a-z]*)([0-9]*)")
print('group(0):', rr.search(a).group(0)) # group(0) 返回正则匹配到的全部内容
print('group(1):', rr.search(a).group(1)) # group(1) 列出第一个 ([a-z]*) 匹配到的部分
print('group(2):', rr.search(a).group(2)) # group(2) 列出第二个 ([0-9]*) 匹配到的部分
print('group(3):', rr.search(a).group(3)) # group(3) 列出第三个 ([0-9]*) 匹配到的部分
print('groups():', rr.search(a).groups()) # groups() 以元组的形式列出每个括号中匹配到的内容
# 执行结果:
# group(0): 123abc456
# group(1): 123
# group(2): abc
# group(3): 456
# groups(): ('123', 'abc', '456')
re_group.py
4. findall()
描述:
re.findall 遍历匹配,可以获得字符串中所有匹配的字符串,返回一个列表
格式:
1 |
|
实例:
import re
p = re.findall("(\d+)", 'asdf12sdf123ad') # 当匹配到多个值,以列表的形式返回
print(p)
# 执行结果:
# ['12', '123']
import re
tt = 'ggood booyy nice day'
print(re.findall("\w*oo\w*", tt))
print(re.findall("(\w)*oo(\w)", tt)) # 通过小括号分组,得到列表中的元组
# 执行结果:
# ['ggood', 'booyy']
# [('g', 'd'), ('b', 'y')]
5. finditer()
描述:
搜索string,返回一个顺序访问每一个匹配结果(Match对象)的迭代器。找到RE匹配的所有部分,并把他们作为一个迭代器返回。
格式:
re.finditer(pattern, string, flags=0)
实例:
import re
iter = re.finditer('\d+', 'adfasdfq2313sdasf2qe4123')
for i in iter:
print(i) # finditer返回的是一个迭代器
print(i.group()) # 返回一组匹配到的部分
print(i.span()) # 返回一个元组包含匹配(开始,结束)的位置
# 执行结果:
# <_sre.SRE_Match object; span=(8, 12), match='2313'>
# 2313
# (8, 12)
# <_sre.SRE_Match object; span=(17, 18), match='2'>
# 2
# (17, 18)
# <_sre.SRE_Match object; span=(20, 24), match='4123'>
# 4123
# (20, 24)
6. split()
描述:
按照能够匹配的字串将 string 分割后返回列表。
可以使用re.split来分割字符串,如:re.split(r'\s+', text);将字符串按空格分割成一个单词列表。
1 2 3 4 5 |
|
格式:
re.split(pattern, string[, maxsplit])
maxsplit用于指定最大分割次数,不指定将全部分割。
实例:
import re
print(re.split('\d+','one1two2three3four4five5'))
# 执行结果:
# ['one', 'two', 'three', 'four', 'five', '']
re.split 用法在这里要注意下:
当正则中使用分组和不使用分组返回的是不同的结果:
import re
print(re.split('[a-z]','111a222'))
print(re.split('([a-z])','111a222'))
# 执行结果:
# ['111', '222'] # 未使用分组
# ['111', 'a', '222'] # 使用分组
7. sub()
使用re替换string中每一个匹配的子串后返回替换后的字符串
格式:
re.sub(pattern, repl, string, count)
默认全部替换
实例:
import re
s1 = '1 + 2 + (4 / 5 + 2)'
print(re.sub(' ', '', s1)) # 直接去除计算表达式中的空格
# 执行结果:
# 1+2+(4/5+2)
8. subn()
描述:
返回元组类型,最后一位为替换的次数
格式:
subn(pattern, repl, string, count=0, flags=0)
实例:
mport re
s1 = '1 + 2 + (4 / 5 + 2)'
print(re.subn(' ', '', s1)) # 直接去除计算表达式中的空格
# 执行结果:
# ('1+2+(4/5+2)', 9) # 替换了9次空格
re模块方法区分
1. re.match与re.search与re.findall的区别:
re.match 只是匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None
re.search 匹配整个字符串,直到直到一个匹配。
import re
s1 = 'abc123'
print(re.match("[\d]", s1)) # 从头开始搜索数字,如果开始没有匹配到返回None
print(re.search("[\d]", s1).group()) # 从头开始搜索数字,匹配到第一个直接返回一个迭代器
print(re.findall("[\d]", s1)) # 遍历查找字符串中的数字部分,查找到每个数字都以元素的形式展现
# 执行结果:
# None
# 1
# ['1', '2', '3']
2. 贪婪匹配和非贪婪匹配
*?,+?,??,{m,n}? 前面的*,+,?等都是贪婪匹配,也就是尽可能匹配,后面加?号使其变成惰性匹配
实例1:
import re
a = re.findall(r"a(\d+?)",'a23b') # 在正则后面加'?',表示惰性匹配,匹配到一个就直接返回
print(a)
b = re.findall(r"a(\d+)",'a23b') # 贪婪匹配
print(b)
# 执行结果:
# ['2']
# ['23']
实例2:
a = re.match('<(.*)>','<H1>title<H1>').group()
print(a)
b = re.match('<(.*?)>','<H1>title<H1>').group()
print(b)
# 执行结果:
# <H1>title<H1>
# <H1>
参考链接:
https://www.cnblogs.com/tina-python/p/5508402.html
http://tool.chinaz.com/regex/
http://www.cnblogs.com/Eva-J/articles/7228075.html#_label10