1、正则表达式:目的是为了爬虫,是爬虫利器。

正则表达式是用来做字符串匹配的,比如检测是不是电话、是不是email、是不是ip地址之类的

2、JSON:外部数据交流的主流格式。

3、正则表达式的使用

re python 内置的模块,可以进行正则匹配

re.findall(pattern,source)
pattern:正则匹配规则-也叫郑泽表达式
source:需要查找的目标源
import re
a = "C0C++7Java8C#Python6JavaScript"
res = re.findall("Java",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['Java', 'Java']

4、正则表达式的应用

  • 查数字
  • 用概括字符集:\d
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("\d",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['0', '7', '8', '6']
    用另外一种匹配模式-字符集:[0-9]
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("[0-9]",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['0', '7', '8', '6']

    其中"Java"叫普通字符,"/d" 源字符

  • 查非数字
  • 用概括字符集:\D
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("\D",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['C', 'C', '+', '+', 'J', 'a', 'v', 'a', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a', 'S', 'c', 'r', 'i', 'p', 't']
    用另外一种匹配模式-字符集:[^0-9]
    import re
    a = "C0C++7Java8C#Python6JavaScript"
    res = re.findall("[^0-9]",a)
    print res
    # Project/python_ToolCodes/test10.py"
    # ['C', 'C', '+', '+', 'J', 'a', 'v', 'a', 'C', '#', 'P', 'y', 't', 'h', 'o', 'n', 'J', 'a', 'v', 'a', 'S', 'c', 'r', 'i', 'p', 't']
    
    
  • 正则表达式的罗列 :https://baike.baidu.com/item/正则表达式/1700215?fr=aladdin,挨个练习是没有必要的,用到去查即可

4、匹配模式

  • 源字符+普通字符混合模式
[]中的或操作
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#匹配acc和afc
res = re.findall("a[cf]c",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['acc', 'afc']
取反操作:^
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#取出非(acc和afc)的字符
res = re.findall("a[^cf]c",a)
print res
# [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
# ['abc', 'adc', 'aec', 'ahc']
取范围操作:-
#coding=utf-8
import re
a = "abc,acc,adc,aec,afc,ahc"
#取出acc,adc,aec,afc(中间字符是c到f范围的)
res = re.findall("a[c-f]c",a)
print res
 #[Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
 #['acc', 'adc', 'aec', 'afc']
 
  • 匹配数字和字母:
  • 概括字符集匹配:\w
    import re
    a = "abc&cba"
    res = re.findall("\w",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['a', 'b', 'c', 'c', 'b', 'a']
    使用字符集匹配:[A-Za-Z0-9]
    import re
    a = "abc123&cba321"
    res = re.findall("[A-Za-z0-9]",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['a', 'b', 'c', '1', '2', '3', 'c', 'b', 'a', '3', '2', '1']
    
    
     

    显然,是\w是不匹配非字母和数字的,比如“&”符号

  • 匹配非单词非数字字符
    概括字符集:\W
    import re
    a = "abc123&cba321"
    res = re.findall("\W",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['&']
    使用字符集匹配:^A-Za-z0-9
    import re
    a = "abc123&cba321"
    res = re.findall("[^A-Za-z0-9]",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['&']
    
    
  • 空格、制表符、换行符号之类的匹配:\s
  • import re
    a = "python 111\tjava&67p\nh\rp"
    res = re.findall("\s",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # [' ', '\t', '\n', '\r']
  • 匹配量词:匹配出python Java php
  • 必须三个一组:
    [a-z]{3}
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3}",a)
    print res
    [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    ['pyt', 'hon', 'jav', 'php'] 可以3-6个一组:因为最长python 为6 最短PHP为3:
    [a-z]{3,6}
    
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3,6}",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'java', 'php']
    疑问:为什么3个能匹配 匹配到pyt的时候为什么不终止?
    因为正则表达式的数量词分为贪婪和非贪婪模式,默认情况下,python 认为是贪婪模式的。 非贪婪模式怎么使用:加个问号
    [a-z]{3,6}?
    import re
    a = "python 1111java678php"
    res = re.findall("[a-z]{3,6}?",a)
    print res
    # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pyt', 'hon', 'jav', 'php']
  • * ,对*前面的字符'n',匹配0次或者无限次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python*",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pytho', 'python', 'pythonn']

    比如pytho 没有n 则是匹配0次,可匹配出来pytho;比如python 1个n 则是匹配1次,可匹配出来python;pythonn  2个n 则是匹配2次,可匹配出来pythonn

  • +,对+前面的字符'n' 匹配1次或者无限次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python+",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'pythonn']
  • ?,?前面的字符'n' 匹配0次或者1次
  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python?",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['pytho', 'python', 'python']

    比如pytho 没有n 则是匹配0次,可匹配出来pytho;比如python 1个n 则是匹配1次,可匹配出来python;pythonn  2个n 则是匹配1次,可匹配出来python,因为多出来的n,直接被截断了,不符合匹配模式,所以匹配不出来pythonn 而是匹配出来的是python。也可以理解成?开启了非贪婪模式

  • 如果要开启非贪婪模式,但是又不想用*,+ 去匹配无限次,而是指定匹配次数的范围,那么可以这样
    python{1,2}

    这表示,最多匹配2次,最少匹配1次

  • import re
    a = "pytho0python1pythonn2"
    res = re.findall("python{1,2}",a)
    print res # [Running] python -u "/Users/anson/Documents/Project/python_ToolCodes/test10.py"
    # ['python', 'pythonn']

python 正则表达式与JSON-正则表达式匹配数字、非数字、字符、非字符、贪婪模式、非贪婪模式、匹配次数指定等的更多相关文章

  1. Python的正则表达式与JSON

    Python的正则表达式需要导入re模块 菜鸟教程:http://www.runoob.com/python/python-reg-expressions.html 官方文档:https://docs ...

  2. Python(八) 正则表达式与JSON

    一.初识正则表达式 正则表达式 是一个特殊的字符序列,一个字符串是否与我们所设定的这样的字符序列,相匹配 快速检索文本.实现替换文本的操作 json(xml) 轻量级 web 数据交换格式 impor ...

  3. python 正则表达式与JSON字符串

    目录 正则表达式 概括单字符集 匹配单字符 匹配字符集 普通字符与元字符 元字符和普通的字符的混用 数量词{整数|*|+|?} 匹配指规则的字母 贪婪模式 匹配指定长度的字符串 非贪婪模式 匹配指定长 ...

  4. python 正则表达式 贪婪模式的简介和匹配时的几种模式

    看到一篇文章,关于python正则的,http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html 贪婪模式与非贪婪模式: 正则表达式通常用于 ...

  5. 1.3 正则表达式和Python语言-1.3.5使用 search()在一个字符串中查找模式(搜索与匹配 的对比)

    1.3.5 使用 search()在一个字符串中查找模式(搜索与匹配的对比) 其实,想要搜索的模式出现在一个字符串中间部分的概率,远大于出现在字符串起始部分的概率.这也就是 search()派上用场的 ...

  6. python正则表达式贪婪与非贪婪模式

    之前做程序的时候看到过正则表达式的贪婪与非贪婪模式,今天用的时候就想不起来了,现在这里总结一下,以备自己以后用到注意. 1.什么是正则表达式的贪婪与非贪婪匹配 如:String str="a ...

  7. C# 使用正则表达式去掉字符串中的数字,或者去掉字符串中的非数字

            /// 去掉字符串中的数字           public static string RemoveNumber(string key)           {            ...

  8. Python3(七) 正则表达式与JSON

    一. 初识正则表达式 1.定义:是一个特殊的字符序列,可以帮助检测一个字符串是否与我们所设定的字符序列相匹配. 2.作用:可以实现快速检索文本.实现替换文本的操作. 3.场景: 1.检测一串数字是否是 ...

  9. [Python] 网络爬虫和正则表达式学习总结

    以前在学校做科研都是直接利用网上共享的一些数据,就像我们经常说的dataset.beachmark等等.但是,对于实际的工业需求来说,爬取网络的数据是必须的并且是首要的.最近在国内一家互联网公司实习, ...

随机推荐

  1. mongodb(三):数据库连接(python)

    import pymongo def get_mongodb_conn(**kwargs): db_host = kwargs.get('host') db_port = kwargs.get('po ...

  2. SQLAlchemy02 /SQLAlchemy对数据的增删改查操作、属性常用数据类型详解

    SQLAlchemy02 /SQLAlchemy对数据的增删改查操作.属性常用数据类型详解 目录 SQLAlchemy02 /SQLAlchemy对数据的增删改查操作.属性常用数据类型详解 1.用se ...

  3. git和github连接权限(这是一个简便方法,不是很安全,建议大家还是用ssh解决)

    在使用,git从github上clone下来代码后. 我们再工作区进行编辑,然后提交. 最后我们想要将我们的改变推送到github上. 但是往往这个时候,我们可能会面临这样的问题. 我们没有权限将代码 ...

  4. Java常用API(Random类)

    Java常用API(Random类) Random:是一个用于生成随机数的类 构造方法 public Random() :创建一个新的随机数生成器. 返回随机数的方法 public int nextI ...

  5. servlet的HttpSession与HibernateSession的区别

    一.javax.servlet.http.HttpSession是一个抽象接口 它的产生:J2EE的Web程序在运行的时候,会给每一个新的访问者建立一个HttpSession,这个Session是用户 ...

  6. Ethical Hacking - GAINING ACCESS(20)

    CLIENT SIDE ATTACKS - Spoofing backdoor extension Change the extension of the trojan from exe to a s ...

  7. 给咱的WP站点搬家

    前言 WordPress 作为全球最流行的博客系统,使用简单,功能丰富,用它来建站的用户非常多.对于站长们来说,网站搬家也是少不了的,有时我们需要更换主机空间,把网站从一个服务器迁移到另一个服务器上, ...

  8. 文件传输协议---TFTP

    简介 TFTP协议全称为简单文件传输协议,是以UDP为基础的应用层协议,主要用于不同设备之间的文件传输.具有协议简单,易于实现的特点,常用于嵌入式设备开发中. 传输模式 数据的存储有不同的格式,磁盘中 ...

  9. Shell基本语法---while语句

    while语句 格式 while [ 条件判断式 ] do 执行动作 done 例子 i= while [ $i -gt ] do echo $i i=$((i - )) done

  10. leetcode题库练习_左旋转字符串

    题目:左旋转字符串 字符串的左旋转操作是把字符串前面的若干个字符转移到字符串的尾部.请定义一个函数实现字符串左旋转操作的功能.比如,输入字符串"abcdefg"和数字2,该函数将返 ...