什么是正则表达式
互联网上的信息很多,我们只需要获取我们所关心的数据进行提取就可以了。此时可以通过一些表达式进行提取,正则表达式就是一种进行数据筛选的表达式
所以这不是我连夜码文的理由,求打赏安慰弱小心灵。做弟中弟的第265天。
目录如下
原子
原子是正则表达式中最基本的单位,每个正则表达式中至少要包含一个原子。常见的原子类型;
普通字符作为原子
演示代码
import re#引用re
string = "shentouyun"#定义整段,普通字符作为原子
pat = "yun"#提取yun
ret = re.search(pat,string)#第一个参数为提取,第二个为整个字段
print(ret)#输出
输出
<_sre.SRE_Match object; span=(7, 10), match='yun'>
非打印字符作为原子
什么是非打印字符,如\n,\t(换行,制表),代表一些操作的字符也可以作为原子
操作代码与小知识
string1 = '''shentouyun
nuibi
'''
pat1 = '\n'
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(10, 11), match='\n'>
小知识
#在这里解释一个基础,我没有提到过
string = '''
shentouyun
nuibi
'''
print(string)
#这段代码里,其特点为string被三引号包裹,并在代码里实现换行其运行结果
shentouyun
nuibi
#实现了一个\n的操作其代码等同于
string ="shentouyun\nnuibi"
print(string)
通用字符作为原子
什么是通用字符
简单的例子
string1 = "shentouyun3215454biji"
pat1 = '\d\d\d\d'#匹配四个十进制数
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(10, 14), match='3215'>
也可以混合使用
string1 = "shentouyun3215454biji"
pat1 = '\w\d\d\d\d'#匹配一个字母+匹配四个十进制数
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(9, 14), match='n3215'>
没有符合格式的,如空白就不会匹配出来,这里不过多的描述,占用空间
原子表
[ots]任意的提取一个原子出来,直接任意选择一个原子表原子,如下
string1 = "shentouyun3215454biji"
pat1 = "shen[otoasdjojds]ou"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 7), match='shentou'>
只从原子表中选择一个原子,其原子表内原子地位平等
非原子表
符号^ 英文状态下的shift+6
字符串里出现了非原子表,返回None,其代码如下
string1 = "shentouyun3215454biji"
pat1 = "shen[^tun]ou"
#shen后面应该是匹配t结果原子表里出了[tun]三个原子外其他的原子都可以匹配
#显然本代码中的原子是无法匹配的
ret=re.search(pat1,string1)
print(ret)
返回如下
None
如果正常运行非原子表的外的字符如string1字符串中截取的shen后面是t,在非原子表上,没有出现t,则返回shent
string1 = "shentouyun3215454biji"
pat1 = "shen[^asd]"
#为了更加直白我把ou两个字符去掉了
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 5), match='shent'>
元字符
特殊含义的字符
所谓的元字符,就是正则表达式中具有一些特殊含义的字符,比如重复N多次前面的字符
常见的元字符 | ||
---|---|---|
"."除换行外任意一个字符 | ||
"^"如果它不在原子表里代表匹配开始位置,在字符表里表示非 | ||
"$"结束位置 | ||
"*"0次1次多次 | ||
"?"0次1次 | ||
"+"1次多次 | ||
{n}实现n次如{2}恰好出现2次,使用{n,}前面的原子至少n次, | ||
{n,m}至少出现n次至多出现m次 | ||
|模式选择符 或 | ||
()模式单元 | ||
例子来袭,做好准备,看不懂的转发朋友圈,慢慢看。 |
"."除换行外任意一个字符
代码如下
string1 = "shentouyun3215454biji"
pat1 = "shen.ou"#这里.匹配除了换行符外的任意字符
ret=re.search(pat1,string1)
print(ret)
运行结果
<_sre.SRE_Match object; span=(0, 7), match='shentou'>
当然你也可以多匹配些,比如多些点点。
string1 = "shentouyun3215454biji"
pat1 = "shen......"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 10), match='shentouyun'>
感觉要玩坏了,哈哈哈。
开始位置^与结束位置$
string1 = "shentouyun3215454biji"
pat1 = "^s..."
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 4), match='shen'>
因为s是开始,也就是”排头“结束位置也同理
string1 = "shentouyun3215454biji"
pat1 = "b...$"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(17, 21), match='biji'>
"*"0次1次多次
string1 = "shentouyun3215454biji"
pat1 = "shen.*"
ret=re.search(pat1,string1)
print(ret)
运行后
<_sre.SRE_Match object; span=(0, 21), match='shentouyun3215454biji'>
为什么会全匹配,看*号的定义为多次,咱们的"."表示除了换行外全匹配,两者一配合,唉,这就全出来了
+号与?号
+匹配多次,正常显示无法匹配0次,演示错误例子
string1 = "shentouyun3215454biji"
pat1 = "a+"
ret=re.search(pat1,string1)
print(ret)
None
演示正确例子
string1 = "aaaaaaaaaaaa"
pat1 = "a+"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 12), match='aaaaaaaaaaaa'>
问好就更好弄了
问号直接演示错误例子,无法显示多次
string1 = "aaaafsedfsfdffasafadaaaaaaaa"
pat1 = "a?"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 1), match='a'>
{n}与{n,}
string1 = "aaaa"
pat1 = "a{4}"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 4), match='aaaa'>
如果换成3呢
<_sre.SRE_Match object; span=(0, 3), match='aaa'>
打印了三次,成功演示了什么叫做至少,当然你多了不行,改成5试试
None
{n,m}至少多少次,至多多少次
string1 = "aaaa"
pat1 = "a{3,5}"
ret=re.search(pat1,string1)
print(ret)
<_sre.SRE_Match object; span=(0, 4), match='aaaa'>
程序真是个耿直的boy
模式修正符
所谓的模式修正符,既可以在不改变正则表达式的情况下,通过模式修正符改变正则表达式的含义,从而实现一些匹配结果的调整等功能
模式修正符有什么。
I忽略大小写
M多行匹配
L本地化识别匹配
U unicode编码
S让,匹配包括换行符
错误代码演示
string = "ShenTouYun"
pat="shen"
ret = re.search(pat,string)
print(ret)
返回None,因为默然有大小写限制,引用一下I就可以了
string = "ShenTouYun"
pat="shen"
ret = re.search(pat,string,re.I)
print(ret)
运行结果
<_sre.SRE_Match object; span=(0, 4), match='Shen'>
贪婪模式与懒惰模式
贪婪模式的核心点就是尽可能多的匹配
懒惰模式的狠心就是尽可能少的匹配
贪婪模式
string = "SheSnTouYunYS"
pat="s.*S"
ret = re.search(pat,string,re.I)
print(ret)
运行结果
<_sre.SRE_Match object; span=(0, 13), match='SheSnTouYunYS'>
贪婪模式与懒惰模式有什么用呢?
看对比
string = "SheSnTouYunYS"
pat="s.*S"#贪婪模式找到最后一个s
pat1="s.*?S"#懒惰模式,特征为?,找到第一个s就不往下找了
ret = re.search(pat,string,re.I)
ret1 = re.search(pat1,string,re.I)
print(ret)
print(ret1)
运行结果
<_sre.SRE_Match object; span=(0, 13), match='SheSnTouYunYS'>
<_sre.SRE_Match object; span=(0, 4), match='SheS'>
正则表达式函数
match函数演示
string1 = "adafafewfaaa"
pat1 = "a"
ret=re.match(pat1,string1)
print(ret)
运行结果可匹配
<_sre.SRE_Match object; span=(0, 1), match='a'>
不是第一个开始匹配
string1 = "adafafewfaaa"
pat1 = "d"
ret=re.match(pat1,string1)
print(ret)
运行结果不可匹配
None
全局匹配函数
全局匹配格式
re.compile(正则表达式).findall(数据)
string1 = "adafafewfaaa"
pat1 = "d.*?a"
ret=re.compile(pat1).findall(string1)
print(ret)
结果
['da']
在码文中的一些杂乱代码
import re#引用re
'''
string = "shentouyun"#定义整段,普通字符作为原子
pat = "yun"#提取yun
ret = re.search(pat,string)#第一个参数为提取,第二个为整个字段
print(ret)#输出
match
sub
search
全局匹配
string = "SheSnTouYunYS"
pat="s.*S"#贪婪模式找到最后一个s
pat1="s.*?S"#懒惰模式,特征为?,找到一个y就不往下找了
ret = re.search(pat,string,re.I)
ret1 = re.search(pat1,string,re.I)
print(ret)
print(ret1)
'''