python3 爬虫相关学习10：RE 库/ regex /regular experssion）正则表达式学习

news2024/12/23 12:11:29

1 关于：re / regex / regular expression

1.1 什么是正则表达式

1.2 在python中导入 re

1.3 查看regex相关信息

2 正则表达式的相关符号

2.1 行定位符

2.2 元字符 (注意是反斜杠\)

2.3 限定符号

2.4 字符类，字符集合需要中括号[]

2.5 排除字符 [^ ]

2.6 选择字符 |

2.7 转义字符反斜杠 \

2.8 分组符号 ()

2.9 正则表达式需要用 " " 引号，但是要小心各种特殊符号

3 正则表达式的方法

1 关于：re / regex / regular expression

1.1 什么是正则表达式

regular expression 正则表达式
是计算机科学的一个概念
是一个跨多种编程语言的语言格式

1.2 在python中安装正则 pip install regex (安装时不是 re !)

导入 re 模块
模块其实可以认为是一个 .py文件
错误写法： pip install re
正确写法: pip install regex

1.3 查看regex相关信息

pip list
pip show regex

1.4 在python中导入 re : import re

导入 re 模块
模块其实可以认为是一个 .py文件
正确写法: import re

2 正则表达式的相关符号

2.1 行定位符

用来描述字符串的边界，1行的边界？全部字符串的边界把？可以叫做字符串整体定位符？^ ^

^ #表示字符串开头

$ #表示字符串结尾

2.2 元字符 (注意是反斜杠\)

\w #匹配字母，数字，下划线等，还有各自文字，比如汉字

\W #^w 非w

\s # 匹配空格，换行，tab 等几种看不见的内容也就是：空格 \n \t

\S #^s 非s

\b #begin 单词的开始的意思如 \bw 匹配单词(不是整个字符串)开始的字母，数字，下划线等，所以 \b不同于 ^

\d # 匹配数字

. # 任意字符

三种括号也是有特殊意义的

() #匹配方括号的每个字符，比如(fruit|food)s 表示 fruits|foods

[] # 匹配方括号的任一个字符，比如 [abc] 表示 a,b ,c 都可以

{} # 限定次数符号，看下面

2.3 限定（次数）符号 : 次数 * + ? 以及{}

* # 匹配前面的字符0次/无限次

+ # 匹配前面的字符1次/无限次

? # 匹配前面的字符0次/1次，常用于 .*? 这种非贪婪模式

{n} # 匹配前面的字符n次

{n,} # 匹配前面的字符至少n次

{n,m} # 匹配前面的字符最少n次，最多m次， n-m次之间的都符合

e.g

^/d{8} #匹配8个数字

.*s #非贪婪匹配任意个数字

2.4 字符类/字符集合需要中括号 [ ]

[abcd] # 匹配abcd中的任意一个都可以

[12345] # 匹配1-5中的任意一个都可以

[0-9] # 匹配任意一个数字，等同于\d

[a-z0-9A-Z] # 匹配所有英文字母，数字，几乎等同\w 是\w的子集（不含汉字等）

2.5 排除字符 [^ ]

关键字 ^

/W # 相当于/^w，但是写法不对，必须写在中括号里 [^] 写在外面还是表示字符串开始

[^a-zA-Z] # 相当于非英文字母以外的其他任意字符

2.6 选择字符 |

选择

条件选择 | 表示or的意思

e.g.

^\d{5}|^\d{6}

2.7 转义字符反斜杠 \

转义字符

把普通字符变成特殊意义的字符， n 转成 \n 换行符
把特殊字符变成普通字符， \* 表示普通字符 * \. 表示普通字符 .

2.8 分组符号 ()

(fruit|food)s #表示 fruits|foods

([abc]{1,3}){3} #表示 [abc]1到3个，然后再来3个，一会试试

2.9 正则表达式需要用引号"" 包裹起来

如果有特殊符号，表达式前还要注意加 r

比如一般的
".*?"
实际使用时，如果包含特殊符号，记得使用 r (rawdata)
r"https://movie.douban.com/apex"

2.10 贪婪模式 / 非贪婪模式

贪婪模式

匹配符合条件的最多的字符数

非贪婪模式

匹配符合条件的最少的字符数

.*? #非贪婪模式
*？
？？
+？
{n,m}？

3 正则表达式的方法

3.1 匹配和查找相关

re.match()
re.search()
re.find()
re.findall()

3.2 相同点和差别

re.match()
re.search()
re.find()
re.findall()

3.3 re.match()

语法
re.match(pattern, string , flags=0)
必须从字符串开头开始匹配
返回 none/ 以(符合正则格式的)某字符串开头的字符串

非贪婪匹配，如果一直到末尾，往往会匹配一个尽量少的字符串=none 空字符串

#E:\work\FangCloudV2\personal_space\2learn\python3\py0004.txt
# re相关


import re

str1=re.match("^\w*","abc123ABC456")
print (str1)
print (type(str1))
print (str1.group())
print (type(str1.group()))
print ("")

str2=re.match("^\w*?","abc123ABC456")
print (str2)
print (type(str2))
print (str2.group())
print (type(str2.group()))
print ("")


str3=re.match("abc","abc123ABC456",re.I)
print (str3)
print (type(str3))
print (str3.group())
print (type(str3.group()))
print ("")