python全栈开发day16-正则表达式和re模块

1.昨日内容回顾

2.正则表达式（re模块是python中和正则表达式相关的模块）

　　1.作用

　　　　1）、输入字符串是否符合匹配条件

　　　　2）、从大段文字中匹配出符合条件的内容

　　2.字符组

　　　　[0-9a-zA-Z]

　　3.元字符（匹配个数1个）

　　　　. 　　# 匹配除换行符以外的任意字符

　　　　\w　　 # 匹配字母、数字、下划线

\s　　 # 匹配空格、回车符（\n）、制表符（\t）

　　　　\d　　 #匹配数字

　　　　\W　　 #匹配非字母、数字、下划线

　　　　\S 　　# 匹配非空格、回车符（\n）、制表符（\t）

　　　　\D 　　# 匹配非数字

　　　　\n　　 # 匹配换行符

　　　　\t 　　# 匹配制表符

　　　　\b　　 #匹配单词的结尾 例：\bh(以‘h’为开头)，h\b(以‘h’为结尾)

　　　　ab|a　　 #匹配ab或a，注长的放在前边。

　　　　[...] 　　#匹配字符组中的字符

　　　　[^...]　　 #匹配除字符组中字符以外的所有字符

　　　　^　　 #匹配字符串的开头^a

$ 　　#匹配字符串的结尾a$

       4.量词

　　　　* 　　#重复0次或更多次

　　　　+ 　　#重复0次或更多次

　　　　？　　 # 重复0次或1次

　　　　{n}　　 # 重复n次

　　　　{n,} 　　#重复n次或更改次

　　　　{n,m}　　 #重复n次至m次

　　　　

　　5.其他

　　　   1）、　　. ^ $　

正则	待匹配字符	匹配 结果	说明
李[杰莲英二棍子]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配"李"字后面[杰莲英二棍子]的字符任意次
李[^和]*	李杰和李莲英和李二棍子	李杰 李莲英 李二棍子	表示匹配一个不是"和"的字符任意次

　　　　2）、　　* + ? { }

　　　　3)、　　分组 ()与 或 ｜[]［^］ #匹配15或18位（含x）例子

ret = re.findall('[1-9]\d{14}(?:\d{2}[0-9x])?$', '34939489495854966234')
　　　　　　　　print(ret)

　　　　4)、　　转义符 \

　　　　　　　　在python中，无论是正则表达式，还是待匹配内容，都是字符串的形式出现，但是字符串中的\也有特殊含义，本身需要转义.所以我们要匹配一次"\d"，我们需要写成‘\\d’,

　　　　　　　　正则表达式中要写成‘\\\\d’，看着不舒服,写着也不方便，在python中表示待匹配的‘\d’写成r‘\d’，在正则中写成r‘\\d’。

　　　　5）、　　贪婪匹配和惰性匹配

贪婪匹配：在满足匹配时，会匹配尽可能长的的字符串，默认采用的是贪婪匹配。

　　　　　　　惰性匹配（？）：例子.*?x，取前面任意长的字符串，直至出现x

正则	待匹配字符	匹配 结果	说明
<.*>	<script>...<script>	<script>...<script>	默认为贪婪匹配模式，会匹配尽量长的字符串
<.*?>	r'\d'	<script> <script>	加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串

3.re模块

　　　　常用方法：

　　　　1.re.findall(‘a’,‘abca’,flag=0)  
　　# 返回所有满足匹配条件的结果，放到列表里

　　　　2.re.search(,)        
#函数会在字符串内查找模式匹配，只要找到第一个匹配就会返回包含匹配信息的对象，该对象可以通过.group()方法取回匹配的字符串，如没有匹配返回None。

ret = re.search('a', 'eva egon yuan').group()

　　　　　　print(ret) #结果 : 'a'

　　　　3.re.match(,)     
#  和search基本相同，不过他仅在待匹配字符串开头匹配

　　　　ret = re.match('ab', 'abcd').group()
　　　　print(ret)

　　　　4.re.split(’[ab]‘,'abcd') 
# 按[ab]的元素进行依次分割，得到列表

　　　　　　ret = re.split('[ab]','abcd')
　　　　　　print(ret)
　　　　　　运行结果：['', '', 'cd']

　　　　　　正则表达式部分加上（）和不加得出结果是不同的，加上（）保留了所匹配到的项，而不加（）没有保留所匹配到的项目

ret = re.split('(ab)','abcd')
　　　　　　print(ret)
　　　　　　'''　　['',
'','ab', 'cd']　　'''

　　　　5.re.finditer() 
# 返回一个存放匹配结果的迭代器。

　　　　6.sub subn

7.编译：compile

ret =
re.finditer('\d+','d123dd22ss2343')
print(ret)
print(next(ret).group())
for i in ret:
    print(i.group())
   
'''
<callable_iterator object at 0x000000000075DD30>
123
22
2343
'''

　　　　两个注意点：

　　　　1 findall的优先级查询：#findall会优先把匹配结果组里内容返回,如果想要匹配结果,取消权限即可

ret
= re.findall('www.(baidu|cnblogs).com', 'www.baidu.com,www.cnblogs.com')
print(ret) #
含组 会优先返回组内匹配内容，显示全部匹配内容：
ret = re.findall('www.(?:baidu|cnblogs).com', 'www.baidu.com,www.cnblogs.com')
print(ret)
'''
['baidu', 'cnblogs']
['www.baidu.com', 'www.cnblogs.com']
'''

2 split的优先级查询：加（）会会在结果列表中保留匹配的项

　　　　　　ret=re.split("\d+","eva3egon4yuan") print(ret) #结果 ： ['eva', 'egon', 'yuan'] ret=re.split("(\d+)","eva3egon4yuan") print(ret)
#结果
： ['eva', '3', 'egon', '4', 'yuan'] #在匹配部分加上（）之　　　　　　后所切出的结果是不同的， #没有（）的没有保留所匹配的项，但是有（）的却能够保留了匹配的项， #这个在某些需要保留匹配部分的使用过程是非常重要的。

3 ？号的4种用法：

　　　　　1）、量词：重复0次或一次

　　　　　2）、惰性匹配：

3）、分组标识：定义（？P<name> 正则表达式） 使用的时候：（？P=name）

4）、findall和split中：取消分组优先级

4.综合练习和扩展

　　1.匹配标签：

　　　　标签匹配的两种方式：

　　　　1）、利用组名：

　　　　ret = re.search("<(?P<tag_name>\w+)>\w+</(?P=tag_name)>","<h1>hello</h1>")
　　　　print(ret.group())

　　　　2）、利用组号：

　　　　ret = re.search("<(\w+)>\w+</\\1>","<h1>hello</h1>")
　　　　
print(ret.group())

　　　　3）、练习

　　　　@@@123@@@

　　　　###123###

'@@@123@@@'

'###123###'

ret = re.search('(?P<tag_name>.+)\w+(?P=tag_name)', '@@123@@@')
print(ret.group())

　　2.匹配整数

　　　　

View
Code

　　3.数字匹配

# 1、 匹配一段文本中的每行的邮箱
#      
http://blog.csdn.net/make164492212/article/details/51656638
#
# 2、 匹配一段文本中的每行的时间字符串，比如：‘1990-07-12’；
ret = re.search('[1-2]\d{3}-(0?[1-9]|1[0-2])-(0?[1-9]|[1-2][0-9]|[3][0-1])', '1990-1-1')
print(ret.group())

#
#    分别取出1年的12个月（^(0?[1-9]|1[0-2])$）、
#    一个月的31天：^((0?[1-9])|((1|2)[0-9])|30|31)$
#
# 3、 匹配qq号。(腾讯QQ号从10000开始)  ［1,9］[0,9]{4,}
#
# 4、 匹配一个浮点数。      
^(-?\d+)(\.\d+)?$   或者  -?\d+\.?\d*
#
# 5、 匹配汉字。            
^[\u4e00-\u9fa5]{0,}$
ret = re.findall('^[\u4e00-\u9fa5]','中国人民共和国ss')
print(ret)
#
# 6、 匹配出所有整数

　　4.爬虫练习

　　5.作业题，计算器

　　实现能计算类似

　　1 - 2 *
( (60-30 +(-40/5) * (9-2*5/3 + 7 /3*99/4*2998 +10 * 568/14 )) - (-4*3)/
(16-3*2) )等类似公式的计算器程序

5.collections模块：

1、namedtuple # 生成可以用名字来访问的元素内容的元组（不能改）
  2、deque  # 双端队列 可以快速的从另一侧追加和删除元素
  3、OrderedDict #
有序字典
  4、defaultdict #
带默认值的字典
  5、Counter    # 计数器 主要用来计数。