一、写在前面✨

大家好！我是初心，希望我们一路走来能坚守初心！

今天跟大家分享的文章是 正则表达式的应用 ，希望能帮助到大家！本篇文章收录于初心的 Python从入门到精通专栏。

🏠 个人主页：初心%个人主页
🧑 个人简介：大家好，我是初心，和大家共同努力
💕欢迎大家：这里是CSDN，我记录知识的地方，喜欢的话请三连，有问题请私信😘
💕 永远不要熄灭心中的火，哪怕别人只看见烟。』—— 佚名「网易云」

二、姓名检查

编写程序，输入学号姓名，检查格式是否符合要求（用正则表达式），符合则返回(学号,姓名)元组。

格式要求：

学号长度9位数字，且5,6位为(19-22)之间
姓名为2-4个中文字符(中文可以使用unicode码范围[\u4e00-\u9fa5]判断)


def NO_name_parse(s):
    ''' 
    >>> NO_name_parse("201521002 萧敬腾")
    ('201521002', '萧敬腾')

    >>> NO_name_parse("203222008 杨过")
    ('203222008', '杨过')

    >>> NO_name_parse("203222008\\r\\n杨过")
    ('203222008', '杨过')

    >>> NO_name_parse("203222008\\t杨过")
    ('203222008', '杨过')

    >>> NO_name_parse("203222008杨过")
    ('203222008', '杨过')

    >>> None == NO_name_parse("230218001 古巨基")
    True
    
    >>> None == NO_name_parse("230221001 敏敏特布尔")
    True
    
    >>> None == NO_name_parse("2302ab001 迪丽热巴")
    True

    >>> None == NO_name_parse("2302ab001 迪丽热巴")
    True
    '''
    # Edit Your Code Here
import doctest
doctest.testmod()

具体实现：（不包含原有代码）

import re
# 匹配学号和姓名,?:表示取消分组,中间部分使用非贪婪模式,防止汉字只有两个
regex = '^(\d{4}(?:19|2[0-2])\d{3})[^\u4e00-\u9fa5]*?([\u4e00-\u9fa5]{2,4})$'
reg = re.compile(regex)
f1 = reg.match(s)
if f1:
    return f1.groups()

三、解析电影排行榜

基于BeautifulSoup实现爬取豆瓣网上的电影信息。

BeautifulSoup是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。

编写程序，给出豆瓣电影排行榜中一部电影的html内容，请试图解析出(片名，上映时间，评分)，以元组形式返回。（其中上映时间只需要取第一个）

import re

s = r'''<table width="100%" class=""> 
        <tr class="item">
            <td width="100" valign="top">
                    <a class="nbg" href="https://movie.douban.com/subject/33455421/"  title="疾速追杀4">
                        <img src="https://img9.doubanio.com/view/photo/s_ratio_poster/public/p2884692335.webp" width="75" alt="疾速追杀4" class=""/>
                    </a>
            </td>
            <td valign="top">
                <div class="pl2">
                    <a href="https://movie.douban.com/subject/33455421/"  class="">
                        疾速追杀4
                        / <span style="font-size:13px;">杀神John Wick4(港) / 捍卫任务4(台)</span>
                    </a>
                    <p class="pl">2023-03-13(西南偏南电影节) / 2023-03-24(美国) / 基努·里维斯 / 甄子丹 / 比尔·斯卡斯加德 / 劳伦斯·菲什伯恩 / 真田广之 / 沙米尔·安德森 / 兰斯·莱迪克 / 泽山璃奈 / 克兰西·布朗 / 斯科特·阿金斯 / 伊恩·麦柯肖恩 / 马克·扎罗 / 娜塔丽·特纳...</p>
                        <div class="star clearfix">
                                <span class="allstar40"></span>
                                <span class="rating_nums">8.0</span>
                                <span class="pl">(13549人评价)</span>

                        </div>
                </div>
            </td>
        </tr>
    </table>'''

def douban_parse(s):
    '''
    >>> douban_parse(s)
    ('疾速追杀4', '2023-03-13', '8.0')
    '''
	# Edit Your Code Here
    return 
    
import doctest
doctest.testmod()

具体实现：

from bs4 import BeautifulSoup

soup = BeautifulSoup(s, features='html.parser')
# 匹配影片名
movie_name = re.match(r'^[^ ].+',soup.find_all("a", class_="")[0].text.strip()).group()
# 匹配上映时间
movie_time = re.match(r'[\d-]*',soup.find_all("p", class_="pl")[0].text.strip()).group()
# 匹配评分
movie_score = soup.find_all("span",class_='rating_nums')[0].text.strip()
# 返回元组
return (movie_name,movie_time,movie_score)