用正则表达式校验手机号，邮箱就是流弊【python爬虫入门进阶】（08）

码农飞哥

发布于 2021-12-15 13:57:32

7150

发布于 2021-12-15 13:57:32

文章被收录于专栏：好好学习

文章目录
说在前面
验证手机号
验证邮箱
验证url
验证身份证号
转义字符和原生字符
对\n 进行转移
group分组
find_all 函数
sub 用来替换字符串
split函数
compile
总结

说在前面

上一篇文章我们主要介绍了正则表达式的各种语法。学好正则表达式，啥难匹配的内容都给我匹配上【python爬虫入门进阶】（07）还没看的小伙伴赶紧去看看哦！！！这篇文章主要将介绍正则表达式的一些实战小案例。比如：用正则表达式校验邮箱，手机号等等。

验证手机号

手机号的格式一般是首位是1，第二位是34578中间的任意一个数，最后9位是随机数字。所以，他的正则表达式是：1[34578]\d{9}

text = "158523026956"
ret = re.match('1[34578]\d{9}', text)
print(ret.group())

验证邮箱

邮箱的格式比较多，但是基本的格式可以分为三块：ya09322133@qq.com 第一部分是 @符号前面是字母或者数字，所以这部分就是\w+，第二部分是@符号之后. 号之前这部分一般是a-z之间的字母或者数字，所以这部分的表达式是：[a-z0-9]+。最后一部分就是**.**符号之后的部分，这部分就是a-z之间的字母，所以这部分的表达式是[a-z]+。所以，最终的表达式是：\w+@[a-z0-9]+\.[a-z]+

text = "ya09322133@qq.com"
ret = re.match('\w+@[a-z0-9]+\.[a-z]+', text)
print(ret.group())

验证url

url的格式分为两个部分：https://blog.csdn.net/u014534808 第一部分是：:// 之前的部分，这部分一般是以http，https或者ftp。所以，这部分的表达式是：http|https|ftp 第二部分是：:// 之后的部分，这部分的要求就是不能以空白字符开头或者以\n，\t 等开头。所以，这部分的表达式是：[^\s]+

text = "https://blog.csdn.net/u014534808"
ret = re.match('(http|https|ftp)://[^\s]+', text)
print(ret.group())

验证身份证号

身份证号有一个标准的格式，如：34492618821223401x 。它的位数一共是18位，前面17位都是数字。最后一位的话可能是数字也可能是x。所以，验证身份证的表达式可以写为：\d{17}[\dxX]。

text = "34492618821223401x"
ret = re.match('\d{17}[\dxX]', text)
print(ret.group())

转义字符和原生字符

在正则表达式中，有些字符是有特殊意义的字符，因此如果要匹配这些字符，那么久必须要使用反斜杠进行转义。比如：** 代表以...结尾，如果想要匹配**∗∗代表以...结尾，如果想要匹配∗∗，那么就必须使用\$ ，示例代码如下：

import re
text = "好好学习$天天向上"
ret = re.search('\$\w+', text)
print(ret.group())

对\n 进行转移

用python的方式可以写成r'\n'
用正则表达式的方式可以写成\\n。

text = '\\n'
# \\==>\
# \\\\n====>\n
ret=re.match('\\\\n',text)
print(ret.group())

或者

text = '\\n'
# r修饰的就是原生字符串
ret=re.match(r'\\n',text)
print(ret.group())

group分组

在正则表达式中，可以对过滤到的字符串进行分组，分组使用圆括号()的方式。

group: 和group(0) 是等价的，返回的是整个满足条件的字符串
groups : 返回的是里面的子组，索引从1开始。
group(1) ：返回的是第一个子组，可以传入多个。

text = "苹果是$99元，橘子是$20元"
ret = re.search('.*(\$\d+).*(\$\d+)', text)
print(ret.group())
print(ret.group(1))
print(ret.group(2))
print(ret.groups())

find_all 函数

find_all函数用于找出所有满足条件的，返回的是一个列表。

text = "苹果是$99元，橘子是$20元"
ret = re.findall('\$\d+', text)
print(ret)

sub 用来替换字符串

sub 用来替换字符串，将匹配的字符串替换成其他字符串。

html = """
<div>
    <ul>
         <li class="item-0"><a href="link1.html">你 item</a></li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>

"""
ret = re.sub("<.+?>", "", html)
print(ret)

split函数

split函数是用于分割匹配的字符串

text = "码农飞哥，好好加油"
ret = re.split('\W', text)
print(ret)

compile

对于一些经常要用到的正则表达式，可以使用compile进行编译，后期再使用的时候可以直接拿来使用，执行效率要更快，而且compile还可以指定 flag=re.VERBOSE，在写正则表达式的时候可以做注释，示例代码如下：

text = "码农飞哥，身高178.5，正是大好年华"
r = re.compile('\d+\.?\d+')
ret = re.search(r, text)
print(ret.group())

添加注释

text = "码农飞哥，身高178.5，正是大好年华"
r = re.compile(r"""
    \d+  # 小数点前面的数字
    \.? #小数点本身
    \d* #小数点后面的数字
""",re.VERBOSE)
ret = re.search(r, text)
print(ret.group())

总结

本文详细介绍了正则表达式的使用，希望对读者朋友们有所帮助。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2021-12-09，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自码农飞哥微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度