re模块和re的常用方法

# """
# re
# regexp 正则表达式
# 正则表达式是什么
# 由一堆特殊符号组成的表达式
# 作用
# 处理字符串
# 1.从字符串中获取满足某种规则的内容，在爬虫程序中大量出现
# 2.判断一个字符串内容是否满足某个规则，例如：手机号验证，邮箱验证
#
# # 生活中的规则非常多例如让有志青年过上体面的生活，有志青年就是一条规则
# 学习的重点就围绕这一堆符号
#
# """
import re
#
# print(re.findall("\w","a_1 *"))# ['a', '_', '1']
# # \w
# # 只要是大写字符就是与小写字符相反的意思
# print(re.findall("\W","a_1 *")) # [' ', '*']
#
# # 0-9
# print(re.findall("\d","123abc_*+-"))# ['1', '2', '3']
# print(re.findall("\D","123abc_*+-"))# ['a', 'b', 'c', '_', '*', '+', '-']
#
# #
# print(re.findall("\s"," \n\t\f\v1a*+-"))#[' ', '\n', '\t', '\f', '\v']
#
# print(re.findall("\S"," \n\t\f\v1a*+-"))#['1', 'a', '*', '+', '-']
# # print(" \n\t\v")

# 除了 \n \r

# 在除了\n外的所有字符
# print(re.findall(".","abc_12\r\n3*+-_%%$#"))

# 单个字符匹配
# \w \d \s .

# 重复匹配数字字母下划线

# * 表示0-无穷次
# 0次也满足则意味着就算内容没有任何内容匹配也会给你一个空字符因为空字符也算0次匹配

print(re.findall("\w*","+-*"))
# \w*

# 从网络中下载一个HTML文档从里面提取所需要的内容
text = """
<img hidefocus="true" class='index-logo-src' src="//www.baidu.com/img/bd_logo1.png" width="270" height="129" usemap="#mp">
"""

print(re.findall('src=".*" width',text))
#

# + 1-无穷次
print(re.findall("\w+","aaabcd"))#['aaabcd']
# 0-无穷
print(re.findall("\w*","aaabcd"))#['aaabcd', '']
#[a,b] 最少a 最多b次
print(re.findall("\w{1,}","aaabcda")) #['aaabcda']
#{1,} 1-无穷与+的意思相同
#{,2} 0-2
#{1,2} 1-2
#{,1} 0-1 与?意思相同

# \w
# print(re.findall("\w{1,}","a"))

print(re.findall("\w?","aa"))#['a', 'a', '']

# * 0-无穷(随便几次没有也行)
# + 1-无穷
# ? 0-1次
# {a,b} 手动指定匹配次数

text = "owen_dsb tanke_dsb kiven_dsb jerry"
print(re.findall("\w+_dsb",text))

# 转义符

# print(re.findall("\w+.mp3","xxx.mp3"))
# print(re.findall(".","......"))
# 邮箱验证

# print(re.findall("\w+@\w+.com","[email protected]"))

print(re.findall("a\\\d","a\\d"))

print(re.findall("\\\\","\\"))

# print(re.findall("\*","*"))
# c:\\

# 位置匹配 ^ $
# ^从字符开始处匹配

print(re.findall("^a\w*","pabcdefg"))

# $ 从字符结尾处匹配
print(re.findall("a\w*g$","pabcdefg"))
# 1.是到最后看一眼是不是与表达式匹配如果不匹配直接放弃
# 2.如果结尾处没问题在回过头来从前面开始匹配

# ^ 与 $ 同时出现同时限定开始处和结尾处
print(re.findall("^p\w*g$","sabcdefg"))

print(re.findall("ab*","abbbbbsbbbbbbbbs"))

print(re.findall("a{2}","aaaaa"))

# 范围匹配可以指定哪些内容是你要画一个范围
print(re.findall("a|b|c","abcdefg"))

#[abcd]
print(re.findall("[abcd]","absp"))
print(re.findall("[a-zA-Z0-9]","abcdefgr12121hjAAABBi"))
print(re.findall("[a\-b|a+b]","a-b"))

# 在范围匹配时如果内容中包含- 需要把它放在最前面或最后面
print(re.findall("[-a-z0-9]","-s0"))

# 模仿 \w 数字字母下划线 [0-9a-zA-Z_]
print(re.findall("[^0-9]","121323abc _ + *"))

# 贪婪匹配与非贪婪匹配
# 贪婪指的是尽可能的匹配更多的内容
# 非贪婪指的是尽可能的匹配少的内容

# 贪婪的例子:
print(re.findall("ab+","abbbbbbbbbb"))

# 贪婪的例子:
print(re.findall("ab+?","abbbbbbbbbb"))
print(re.findall("ab*?","abbbbbbbbbb"))

htm = """<img src="http://img.ivsky.com/img/tupian/t/201808/07/qingting-001.jpg" alt="轻盈停落的蜻蜓图片">
title="轻盈停落的蜻蜓图片 3996x2664" target="_blank"><img src="http://img.ivsky.com/img/tupian/t/201808/07/qingting-002.jpg">
"""

# 贪婪模式会一次性取到最后一个双引号为止
# print(re.findall('src=".+"',htm))
# # 加上? 变成非贪婪模式
# print(re.findall('src=".+?"',htm))
# print(len(re.findall('src=".+?"',htm)))

# 当我们需要从匹配结果中拿出来某一部分时就需要分组把你要的内容加上括号即可
# print(re.findall('src="(.+?)"',htm))

# 当我们需要从一个匹配结果中拿到多个不同部分时可以加多个分组
# findall会把这些部分放到元组中
# print(re.findall('(src=)"(.+?)"',htm))

# print(re.findall('(src=")(?:.+?)"',htm))

#
#
#
#
#
# # \n 其实换了两行 \r换一行
# print("\r",end="")

['', '', '', '']
['src="//www.baidu.com/img/bd_logo1.png" width']
# print("abc",end="")
# print("123",end="")

import re

# re.findall()
# re.search()
# re.match()

print(re.findall("ab","ab abb abc abbb "))
# search 也是全文查找但是只返回找到的第一个

print(re.search("ab","pasasasasasaab abb abc abbb ").group())
print(re.search("ab","pab abb abc abbb "))

# 从字符串开始匹配第一个不匹配直接放弃与^的效果相同
print(re.match("ab","pab abb abc abbb "))

# 将表达式打包成对象这样可以多次使用无需重新编写
# p = re.compile("ab")
#
# res = p.match("pab abb abc abbb ")
# print(res)

#print(re.split("\s","pab\tabb\tabc\tabbb"))

# 替换内容
# 待处理字符串旧的内容新的内容
# \1 \2 表示引用匹配的分组内容
# print(re.sub("(python)(.*)(python)",r"\1\2PYTHON","python is nb language python"))

# 交换字符串内容需求是把最前的和最后的换位置
print(re.sub("(.+?)(\|.+\|)(.+)",r"\3\2\1","java|PHP|C\+\+|python"))
8
# print(re.findall("a|b","ab"))

# print(re.search("","java|PHP|C\+\+|python"))

# print(re.sub("(python)(.*)(python)", r"\1\2PYTHON", "python asasasaasa python"))

re模块和re的常用方法

猜你喜欢