Seleção 03 episódios do rastreador Python (módulo de análise regular explicado em linguagem simples)
portal de diretório de aprendizagem python
Artigo Diretório
- Seleção 03 episódios do rastreador Python (módulo de análise regular explicado em linguagem simples)
- 1. Expressões regulares (introdução básica)
- 2. Uso de metacaracteres:
-
- Exemplo de modelo:
- 2.1 Caracteres comuns:
- 2.2 Metacaracteres: | (ou relação)
- 2.3 Metacaractere:. (Corresponde a um único metacaractere)
- 2.4 Metacaracteres: [Conjunto de caracteres]
- 2,5 metacaracteres: [^ conjunto de caracteres] (corresponde ao conjunto de anti-caracteres)
- 2.6 Metacaracteres: ^ \ A
- 2.7 Metacaracteres: $ \ Z
- 2.8 Metacaracteres: *
- 2.9 Metacaractere: +
- 2.10 Metacaracteres :?
- 2.11 Metacaracteres: {n}
- 2.12 Metacaracteres: {m, n}
- 2.13 Metacaracteres: \ d \ D
- 2.14 Metacaracteres: \ w \ W
- 2,15 metacaracteres: \ s \ S
- 2,16 metacaracteres: \ s \ S
- 2.17 Metacaracteres: \ b \ B
- Três. Regras de correspondência
- Quatro. Resumo
Perseguir sonhos requer paixão e ideais, e realizar sonhos requer luta e dedicação
1. Expressões regulares (introdução básica)
-
Objetivo
1. Processar dados de texto
2. Pesquisar, localizar e extrair conteúdo de texto é uma tarefa logicamente complexa
3. A fim de resolver os problemas acima de forma rápida e conveniente, a tecnologia de expressão regular é produzida -
A definição regular
é o modo avançado de correspondência de texto. Sua essência é uma string composta por uma série de caracteres e símbolos especiais. Essa string é uma expressão regular. -
Princípio
Uma string é composta de caracteres comuns e caracteres com significados específicos para descrever certas regras de string, como repetição, posição, etc., para expressar um certo tipo de string específico e, em seguida, corresponder. -
mira
- Familiarizado com metacaracteres de expressão regular
- Capaz de ler expressões regulares comuns e editar regras regulares simples
- Capaz de usar o módulo re para manipular expressões regulares
re模块官方文档
:
Https://docs.python.org/zh-cn/3.8/library/re.htmlre模块库源码
:
Https://github.com/python/cpython/blob/3.8/Lib/re.py
2. Uso de metacaracteres:
以下案例若需要在python或pycharm中执行需要引入re模块
Exemplo de modelo:
import re
print(re.findall('ab',"abcdefabcd"))
# ['ab', 'ab']
2.1 Caracteres comuns:
匹配规则:每个普通字符匹配其对应的字符
例子:re.findall('ab',"abcdefabcd")
# ['ab', 'ab']
注意事项:正则表达式在python中也可以匹配中文
2.2 Metacaracteres: | (ou relação)
匹配规则:匹配 | 两侧任意的正则表达式即可
例子:re.findall('com|cn',"www.baidu.com/www.jingdong.cn")
#['com', 'cn']
2.3 Metacaractere:. (Corresponde a um único metacaractere)
匹配规则:匹配除换行外的任意一个字符
例子:re.findall('钱天.',"钱天二,钱天三,钱天四")
# ['钱天二', '钱天三', '钱天四']
2.4 Metacaracteres: [Conjunto de caracteres]
匹配规则: 匹配字符集中的任意一个字符
表达形式:
[abc#!好] 表示 [] 中的任意一个字符
[0-9],[a-z],[A-Z] 表示区间内的任意一个字符
[_#?0-9a-z] 混合书写,一般区间表达写在后面
例子:re.findall('[aeiou]',"How are you!")
# ['o', 'a', 'e', 'o', 'u']
2,5 metacaracteres: [^ conjunto de caracteres] (corresponde ao conjunto de anti-caracteres)
匹配规则:匹配除了字符集以外的任意一个字符
例子:re.findall('[^0-9]',"Use 007 port")
#['U', 's', 'e', ' ', ' ', 'p', 'o', 'r', 't']
2.6 Metacaracteres: ^ \ A
匹配规则:匹配字符串开始位置
例子:re.findall('^Jame',"Jame,hello")
#['Jame']
2.7 Metacaracteres: $ \ Z
匹配规则:匹配目标字符串的结尾位置
例子:re.findall('Jame$',"Hi,Jame")
#['Jame']
规则技巧: ^ 和 $必然出现在正则表达式的开头和结尾处。如果两者同时出现,则中间的部分必须匹配整个目标字符串的全部内容。
2.8 Metacaracteres: *
匹配规则:匹配前面的字符出现0次或多次
例子:re.findall('ha*',"haaaaaa~~~~h!")
#['haaaaaa', 'h']
2.9 Metacaractere: +
匹配规则:匹配前面的字符出现1次或多次
例子:re.findall('[A-Z][a-z]+',"Hello World")
#['Hello', 'World']
2.10 Metacaracteres :?
匹配规则:匹配前面的字符出现0次或1次
例子:匹配手机号 re.findall('-?[0-9]+',"Jame,age:18, -26")
#['18', '-26']
2.11 Metacaracteres: {n}
匹配规则:匹配前面的字符出现n次
例子:re.findall('1[0-9]{10}',"Jame:13886495728")
#['13886495728']
2.12 Metacaracteres: {m, n}
匹配规则: 匹配前面的字符出现m-n次
例子:匹配QQ号 re.findall('[1-9][0-9]{5,10}',"QQ:1259296994")
#['1259296994']
2.13 Metacaracteres: \ d \ D
匹配规则:\d 匹配任意数字字符,\D 匹配任意非数字字符
例子:匹配端口 re.findall('\d{1,5}',"Mysql: 3306, http:80")
#['3306', '80']
2.14 Metacaracteres: \ w \ W
匹配规则:\w 匹配普通字符,\W 匹配非普通字符
说明: 普通字符指数字,字母,下划线,汉字。
例子: re.findall('\w+',"server_port = 8888")
#['server_port', '8888']
2,15 metacaracteres: \ s \ S
匹配规则:\s 匹配空字符,\S 匹配非空字符
说明:空字符指 空格 \r \n \t \v \f 字符
例子: re.findall('\w+\s+\w+',"hello world")
#['hello world']
2,16 metacaracteres: \ s \ S
匹配规则:\s 匹配空字符,\S 匹配非空字符
说明:空字符指 空格 \r \n \t \v \f 字符
例子: re.findall('\w+\s+\w+',"hello world")
#['hello world']
2.17 Metacaracteres: \ b \ B
匹配规则:\b 表示单词边界,\B 表示非单词边界
说明:单词边界指数字字母(汉字)下划线与其他字符的交界位置。
例子:re.findall(r'\bis\b',"This is a test.")
#['is']
注意: 当元字符符号与Python字符串中转义字符冲突的情况则需要使用r将正则表达式字符串声明为原始字符串,如果不确定那些是Python字符串的转义字符,则可以在所有正则表达式前加r。
Três. Regras de correspondência
3.1 Correspondência de caracteres especiais
-
Objetivo: Se a string de destino correspondente contiver caracteres especiais de expressão regular, o metacaractere na expressão precisará ser processado quando desejar expressar seu próprio significado.
特殊字符: . * + ? ^ $ [] () {} | \
-
Método de operação: adicionar \ antes do metacaractere da expressão regular, o metacaractere deve remover seu significado especial, que significa o caractere
e.g. 匹配特殊字符 . 时使用 \. 表示本身含义
In : re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23")
Out: ['123', '-123', '1.23', '-1.23']
3.2 Modo ganancioso e modo não ganancioso
- definição
贪婪模式: 默认情况下,匹配重复的元字符总是尽可能多的向后匹配内容。比如: * + ? {m,n}
非贪婪模式(懒惰模式): 让匹配重复的元字符尽可能少的向后匹配内容。
- O modo ganancioso é convertido para o modo não ganancioso
- Modo ganancioso [repetição de correspondência] máximo padrão
- O valor mínimo do modo não ganancioso, adicionado após [Match Repeat]?
Adicione o sinal '?' Após o metacaractere repetido correspondente
* -> *?
+ -> +?
? -> ??
{
m,n} -> {
m,n}?
e.g.
In : re.findall(r'\(.+?\)',"(abcd)efgh(higk)")
Out: ['(abcd)', '(higk)']
Demo
import re
# 贪婪匹配 ['《java入门到放弃》,派神:《python入门到放弃》,前端:《Html直接放弃,are you ok》']
print(re.findall('《.+》', "抓娃:《java入门到放弃》,派神:《python入门到放弃》,前端:《Html直接放弃,are you ok》"))
# 非贪婪匹配 ['《java入门到放弃》', '《python入门到放弃》', '《Html直接放弃,are you ok》']
print(re.findall('《.+?》', "抓娃:《java入门到放弃》,派神:《python入门到放弃》,前端:《Html直接放弃,are you ok》"))
3.3 Agrupamento de expressão regular
-
definição:
Em expressões regulares, () é usado para estabelecer agrupamentos internos de expressões regulares. Os subgrupos são parte de expressões regulares e podem ser usados como objetos de operação geral internos.
-
efeito:
(1) Você pode alterar o objeto de operação dos metacaracteres como uma operação inteira.
#(1)改变 +号 重复的对象
re.search(r'(ab)+',"ababababab").group()
#'ababababab'
#(2)改变 |号 操作对象
re.search(r'(王|李)\w{1,3}',"王者荣耀").group()
#'王者荣耀'
(2) A parte do conteúdo correspondente ao subgrupo no conteúdo que o acompanha pode ser obtida por meio de algumas desculpas na linguagem de programação
#获取url协议类型
re.search(r'(https|http|ftp|file)://\S+',"https://www.baidu.com").group(1)
- Grupo de captura:
Você pode dar um nome ao subgrupo da expressão regular para expressar o significado do subgrupo. Este subgrupo nomeado é o grupo de captura
Formato: "(? Ppattern)"
#给子组命名为 "pig"
re.search(r'(?P<pig>ab)+',"ababababab").group('pig')
#'ab'
注意事项
- Uma expressão regular pode conter vários subgrupos
- Os subgrupos podem ser aninhados, mas não se sobrepõem ou a estrutura de aninhamento é complexa
- Os números de série dos subgrupos são geralmente contados de fora para dentro e da esquerda para a direita
Quatro. Resumo
4.1 Princípios de Expressões Regulares
-
Correção, pode corresponder corretamente à string de destino.
-
Exclusividade, exceto que a string de destino corresponde o menos possível a outro conteúdo de forma inesperada.
-
Abrangência, levando em consideração todas as condições da string alvo, tanto quanto possível, sem omissão.
4,2普通字符集的替换
4,3计数符
4,4巩固提升
- Se você usar expressões regulares para corresponder a caracteres especiais, será necessário adicionar \ para indicar escape.
- Caracteres especiais:. * +? ^ $ [] () () | \
- Use ao combinar caracteres especiais. Significa seu próprio significado.
Exemplo 1:
import re
print(re.findall('-?\d+\.?\d*',"123,-123,1.23,-1.23"))
#['123', '-123', '1.23', '-1.23']
例子2:
import re
s="1992年5月2日出生于中国,中国内地影视女演员-12,12.34,1/0,40%,-1.6"
r=re.findall('-?\d+\.?/?\d*%?',s)
print(r)
#['1992', '5', '2', '-12', '12.34', '1/0', '40%', '-1.6']
2. Em linguagens de programação, as expressões regulares são frequentemente escritas usando strings nativas para evitar o problema de escape múltiplo.
python字符串 --> 正则 --> 目标字符串
"\\$\\d+" 解析为 \$\d+ 匹配 "$100"
"\\$\\d+" 等同于 r"\$\d+"