少儿Python基础（12） | 正则表达式入门

可爱的小朋友们，今天我们一起来学习正则表达式吧~

首先呢，我们一般会在爬虫中常常用到正则表达式，因为需要发现网页之间的规律和图片链接之间的规律，然后按照内容特征来自动查找。然而正则表达式就是用来描述这些复杂规则的工具。

re模块的基本函数

Python的正则表达式的模块是 ‘re’，在每次使用的时候，要先导入。格式：import re

re模块的基本函数

（1）re.match(pattern, string, flags=0)#从字符串的起始位置开始匹配，若不是起始位置匹配成功，则返回none。

<1>参数分析：

pattern 正则表达式模式（描述的搜索规则）

string 要匹配的字符串。

flags 标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

（2）re.search(pattern, string, flags=0)#搜索整个字符串

（3）findall(string[, pos[, endpos]]) #搜索整个字符串，返回一个list

（4）使用 compile 加速

compile( rule [,flag] ) #第一个参数是规则式，第二个参数是规则选项。结果返回一个 Pattern 对象。

注意：直接使用 findall ( rule , target ) 的方式来匹配字符串，一次两次可以，如果要多次使用同一规则来进行匹配，建议使用 re.compile 函数来将规则预编译，然后使用返回的Pattern 对象来进行查找。

Pattern 对象方法：

findall ( targetString [, startPos [,endPos] ] )

match ( targetString [, startPos [,endPos] ] )

search ( targetString [, startPos [,endPos] ] )

范例：

>>> import re
>>> re.findall(r'b','www.baidu.com')
['b']
>>> re.match(r'w','www.baidu.com')
<_sre.SRE_Match object; span=(0, 1), match='w'>
>>> re.search(r'bai','www.baidu.com')
<_sre.SRE_Match object; span=(4, 7), match='bai'>
>>> p=re.compile(r'[A-Z]')  #如果需要多次查找正则表达式，可以先编译，然后进行其他的调用
>>> p.search('I love programming')  #模式对象（由正则表达式编译过来的）的方法，少了一个参数，把待匹配字符串传进去即可
<_sre.SRE_Match object; span=(0, 1), match='I'>
>>> p.findall('I love programming')
['I']

正则表达式模式语法中的特殊元素

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符
[...]	用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’
[^...]	不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符
re*	匹配0个或多个的表达式
re+	匹配1个或多个的表达式
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
re{ n}/re{ n,}	精确匹配n个前面表达式
re{ n, m}	匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\| b	匹配a或b
(re)	对正则表达式分组并记住匹配的文本
(?#…)	注释
w	匹配字母数字及下划线
W	匹配非字母数字及下划线
s	匹配任意空白字符，等价于 [tnrf]
S	匹配任意非空字符
d	匹配任意数字，等价于 [0-9]
D	匹配任意非数字
A	匹配字符串开始
Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
z	匹配字符串结束
G	匹配最后匹配完成的位置
b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘erb’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’
B	匹配非单词边界。’erB’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’
n, t, 等	匹配一个换行符。匹配一个制表符

正则表达式实例

字符类

实例	描述
rub[ye]	匹配 “ruby” 或 “rube”
[aeiou]	匹配中括号内的任意一个字母
[0-9]	匹配任何数字。类似于 [0123456789]
[a-z]	匹配任何小写字母
[A-Z]	匹配任何大写字母
[a-zA-Z0-9]	匹配任何字母及数字
[^aeiou]	除了aeiou字母以外的所有字符
[^0-9]	匹配除了数字外的字符

特殊字符类

实例	描述
.	匹配除 “n” 之外的任何单个字符。要匹配包括 ‘n’ 在内的任何字符，请使用象 ‘[.n]‘ 的模式。
d	匹配一个数字字符。等价于 [0-9]。
D	匹配一个非数字字符。等价于 [^0-9]。
s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ fnrtv]。
S	匹配任何非空白字符。等价于 [^ fnrtv]。
w	匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]‘。
W	匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。

范例：

>>> re.search(r'[aeiou]','l love code')
<_sre.SRE_Match object; span=(3, 4), match='o'>
>>> re.search(r'[a-z]','l love math')
<_sre.SRE_Match object; span=(0, 1), match='l'>
>>> re.search(r'[0-9]','123 is 123')
<_sre.SRE_Match object; span=(0, 1), match='1'>
#限定匹配次数使用{}
>>> re.search(r'bc{3,10}','bccccccd')
<_sre.SRE_Match object; span=(0, 7), match='bcccccc'>
#匹配0-255的这个范围里面的数字
>>> re.search(r'[01]dd|2[0-4]d|25[0-5]','188')
<_sre.SRE_Match object; span=(0, 3), match='188'>
#小括号()是分组，一个小组是一个整体，重复3次。这里考虑数字的位数。{0，1}代表重复0次或者1次，可有可无
>>> re.search(r'(([01]{0,1}d{0,1}d|2[0-4]d|25[0-5]).){3}([01]{0,1}d{0,1}d|2[0-4]d|25[0-5])','192.168.1.1')
<_sre.SRE_Match object; span=(0, 11), match='192.168.1.1'>
#     |管道符，相当于逻辑或 ，如A|B  表示匹配正则表达式A或者B
>>> re.search(r'xiaoy(u|i)','xiaoyu')
<_sre.SRE_Match object; span=(0, 6), match='xiaoyu'>
#贪婪，在符号的条件下，会尽可能多的去匹配
>>> s="<html><tittle>i love programming</tittle></html>"
>>> re.search(r'<.+>',s)
<_sre.SRE_Match object; span=(0, 48), match='<html><tittle>i love programming</tittle></html>'>
#    .+?非贪婪
>>> re.search(r'<.+?>',s)
<_sre.SRE_Match object; span=(0, 6), match='<html>'>

常见需求表达式

1：数字：^[0-9]*$

2：m-n位的数字：^d{m,n}$

3：英文和数字：^[A-Za-z0-9]+$

4：由26个英文字母组成的字符串：^[A-Za-z]+$

5：由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$

6：身份证号(15位、18位数字)：^d{15}|d{18}$

7：密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]w{5,17}$

8：日期格式：^d{4}-d{1,2}-d{1,2}

9：IP地址：

(?:(?:[01]{0,1}d{0,1}d|2[0-4]d|25[0-5]).){3}(?:[01]{0,1}d{0,1}d|2[0-4]d|25[0-5])

正则表达式实例：自动获取代理ip地址

import urllib.request
import redef open_url(url):
    req=urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36')
    page=urllib.request.urlopen(req)
    html=page.read().decode('utf-8')
    return html
def get_img(html):
    p=r'(?:(?:[01]{0,1}d{0,1}d|2[0-4]d|25[0-5]).){3}(?:[01]{0,1}d{0,1}d|2[0-4]d|25[0-5])'
    iplist=re.findall(p,html)
    for each in iplist:
        print(each)
if __name__=='__main__':
    url="http://cn-proxy.com"
    get_img(open_url(url))
#运行结果
====================== RESTART: F:/Pythondemo/get_ip.py ======================
183.146.213.56
121.40.60.55
183.146.213.157
119.41.236.180
101.231.104.82
39.105.229.23
39.137.168.23
117.127.16.20
39.137.168.23
117.191.11.72
60.9.1.81
36.25.243.50
101.4.136.34
222.74.237.24
121.40.162.23

THE END

少儿Python基础（12） | 正则表达式入门

与本文相关的文章

您必须登录才能发表评论！

与本文相关的文章

您必须 登录 才能发表评论！

您必须登录才能发表评论！